4501 Arbeiten
Der Artikel stellt LangSurf vor, eine Methode, die durch eine gemeinsame Trainingsstrategie und ein hierarchisches Kontextbewusstseinsmodul präzise sprachbasierte 3D-Segmentierung und -Bearbeitung ermöglicht, indem sie Sprach-Gaussians exakt mit den Objektoberflächen ausrichtet und so die Grenzen bestehender Ansätze wie LangSplat überwindet.
Diese Arbeit stellt ein Deep-Learning-Framework vor, das historische Ausfall- und Wetterdaten nutzt, um die Resilienz von Stromnetzen auf Ereignisebene zu prognostizieren und damit gezielte Investitionen in verteilte Energiequellen zur Stärkung besonders gefährdeter Regionen zu ermöglichen.
Diese Studie stellt eine Methode zur Identifizierung von IoT-Firmware-Versionen mittels Transferlernen und Twin Neural Networks vor, die durch die Analyse von Paketfluss-Statistiken als Graustufenbilder Versionenänderungen mit hoher Genauigkeit erkennt und dabei nur geringe Trainingsdaten benötigt.
Diese Fallstudie untersucht die positiven Auswirkungen des KI-gestützten CGScholar AI Helper auf die Schreibentwicklung von elften Klassen-Schülern in einem einkommensschwachen Umfeld und liefert gleichzeitig Verbesserungsvorschläge für das noch in Entwicklung befindliche Tool.
Die Autoren stellen einen systematischen Ansatz zur statischen und dynamischen Taint-Analyse von Graph-APIs vor, der mithilfe von Graphtransformation und kritischer Paaranalyse Broken Access Control-Schwachstellen identifiziert und durch Anwendung auf die GitHub GraphQL-API sowohl unzulässige Zugriffe als auch ungerechtfertigte Zugriffsbeschränkungen aufdeckt.
Die Autoren stellen ein problemagnostisches, auf dem Maximum-a-Posteriori-Prinzip basiertes Diffusionsmodell vor, das durch die Schätzung eines geführten Terms unbedingte vortrainierte Modelle für inverse Bildprobleme wie Super-Resolution und Inpainting verbessert und dabei die strukturelle Kohärenz der Ergebnisse signifikant erhöht.
Das Paper stellt VL-Nav vor, ein neuro-symbolisches System, das neuronale Schlussfolgerungen mit symbolischer Führung kombiniert, um autonome Roboter bei der Navigation in komplexen, unbekannten Umgebungen basierend auf abstrakten Sprachanweisungen zu ermöglichen und dabei hohe Erfolgsraten in Simulationen und realen Tests zu erzielen.
Diese Arbeit entwickelt ein technisches Rahmenwerk und eine Taxonomie, um die in EU-Wettbewerbsverfahren häufig vorgebrachten Sicherheitsbedenken gegen Interoperabilitätsforderungen systematisch zu analysieren und kritisch zu bewerten.
Die Arbeit stellt Prompt-SID vor, ein selbstüberwachtes Framework für die Einzelbild-Denoising, das mittels latenten Diffusionsprozessen strukturelle Prompts generiert und über einen Transformer-basierten Aufmerksamkeitsmechanismus integriert, um strukturelle Details zu bewahren und die Effizienz gegenüber bestehenden blind-spot-basierten Methoden zu steigern.
Diese umfassende PRISMA-gestützte Übersicht analysiert 232 Studien zu verantwortungsvoller generativer KI, identifiziert Lücken in aktuellen Sicherheitsbenchmarks und regulatorischen Abdeckungen sowie in der Evaluierung dynamischer Agentensysteme und schlägt einen strukturierten Forschungsrahmen mit neuen Metriken und Richtlinien vor, um die Entwicklung sicherer und rechenschaftspflichtiger KI-Systeme für eine nachhaltige Zukunft zu gewährleisten.
Diese Studie stellt einen Algorithmus vor, der durch die Fusion von segmentierten T1-, T2-, T1ce- und FLAIR-MRT-Bildern mittels UNET und gewichteter Durchschnittsbildung sowie deren Klassifizierung mit einem ResNet50-Modell eine Genauigkeit von 99,25 % bei der Untergruppenklassifizierung von Gliomen erreicht.
Diese Studie stellt einen tiefenlernbasierten Ansatz vor, der auf UNET-, Inception- und ResNet-Architekturen aufbaut, um durch eine ausgewogene Kombination von 2D- und 3D-Faltungsschichten eine automatisierte und präzise Gliom-Segmentierung in MRT-Bildern zu ermöglichen, wobei das ResNet-Modell auf den BraTS-Datensätzen mit einer 3D-Dice-Bewertung von 0,9888 die besten Ergebnisse erzielte.
Die Arbeit stellt DEBT control vor, ein Protokoll für Routing und Flusskontrolle in Zahlungsnetzwerken, das durch preisbasierte Mechanismen und Gradientenabstieg eine optimale Betriebszustandskonvergenz für stabile Nachfragemuster gewährleistet.
Die vorgestellte Arbeit stellt die Diffusion Stabilizer Policy (DSP) vor, ein zweistufiges Lernframework für chirurgische Roboter, das durch den Einsatz von Diffusionsmodellen und einem Filtermechanismus für Aktionsvorhersagefehler erfolgreich auch mit unvollkommenen oder gestörten Demonstrationsdaten trainiert werden kann.
Diese Arbeit stellt ein neuartiges, paralleles Planungs-Aktions-Framework für LLM-basierte Multi-Agenten-Systeme in Minecraft vor, das durch eine duale Thread-Architektur mit unterbrechbarer Ausführung die bisherige sequenzielle Beschränkung überwindet und so eine Echtzeit-Reaktionsfähigkeit in dynamischen Umgebungen ermöglicht.
Die vorgestellte Arbeit verbessert die Alzheimer-Diagnose und die Vorhersage von Amyloid-Positivität bei Mittelrisiko-Patienten durch ein skalierbares, auf Transformer-Architekturen basierendes geometrisches Deep-Learning-Modell, das Tetraedermeshes mit anatomischen Landmarken verarbeitet und damit teure PET-Scans teilweise ersetzt.
Das Paper stellt ViLAM vor, eine Methode, die durch Wissensdistillation von großen Vision-Sprach-Modellen in räumliche Aufmerksamkeitskarten soziale Navigationsfähigkeiten in Roboter integriert und damit die Erfolgswahrscheinlichkeit bei der sozialen Roboternavigation im Vergleich zu bestehenden Methoden um 14,2 % bis 50 % steigert.
Die Arbeit stellt Snapmoji vor, ein System zur sofortigen Generierung animierbarer 3D-Avatare aus Selfies, das durch eine neuartige Gaußsche Domänenanpassung und einen Dual-Stylisierungsprozess die Identität des Nutzers bewahrt und eine effiziente mobile Darstellung ermöglicht.
Das Paper stellt iProg vor, ein Werkzeug für interaktives strukturiertes induktives Programmieren, das durch eine zweistufige Kollaboration zwischen Mensch und KI (Zerlegung in Datenflussdiagramme und Codegenerierung) unter Nutzung eines Intelligibilitätsprotokolls wissenschaftliche Datenanalysesysteme schneller, qualitativ hochwertiger und zuverlässiger entwickelt als herkömmliche Low-Code- oder No-Code-Ansätze.
Die Arbeit stellt SceneEval vor, ein Evaluierungsframework mit einem neuen Benchmark und feinkörnigen Metriken, das die semantische Kohärenz und Plausibilität textbasiert generierter 3D-Innenszenen umfassend bewertet und dabei sowohl explizite Benutzeranforderungen als auch implizite Erwartungen wie Stabilität und Navigierbarkeit berücksichtigt.