6006 件の論文
この論文は、 Unreal Engine 5 を用いて生成され、136 種類の衛星モデルからなる大規模なマルチモーダルデータセット「SpaceSense-Bench」を提案し、宇宙機認識における小規模部品や未知ターゲットの認識といった課題を特定するとともに、大規模で多様なデータセットの重要性を実証したものです。
この論文は、VR 内の対話エージェントが音声の抑揚から感情を推定し、それを会話文脈として LLM に組み込むことで、応答の自然さや関与度、人間らしさを大幅に向上させることを実証した研究です。
本論文は、Wav2Vec2 活性化行列のグラム行列に基づくテクスチャ共活性化構造を捉えた「Texture Resonance Retrieval (TRR)」を提案し、ギターのエフェクトプリセット検索タスクにおいて、既存手法や基線モデルと比較して物理 DSP パラメータの誤差を最小化し、聴覚評価でも有効性を示したことを報告するものです。
本論文は、LLM の静的な推論能力だけでなく、対戦環境における戦略的計画と迅速な意思決定のバランスを評価する新たなベンチマーク「STAR」を提案し、高度な推論モデルがリアルタイム環境では遅延により劣る一方で、高速なモデルが優位に立つという「戦略と実行のギャップ」を実証しています。
本論文は、複雑な質問を構造化されたトリプルサブクエリに分解し、軽量な階層分類法とハイブリッドなマッチング手法を用いて文書から証拠を段階的に選択する「TaSR-RAG」を提案し、これにより従来の RAG システムよりも高精度な多段推論と証拠の帰属を実現したことを報告しています。
この論文は、オフライン強化学習における分布シフトと遷移の不確実性を統一的に扱うため、最悪ケースのダイナミクスに対するロバストな方策最適化を提案し、KL 正則化を用いた実用的な反復アルゴリズム「RRPI」を開発して D4RL ベンチマークで優れた性能とロバスト性を示したことを述べています。
本論文は、グラフ異常検出におけるドメインシフトの根本的な原因である「異常非アソート性（Anomaly Disassortativity）」を特定・定量化し、これに基づいて単一の訓練段階で多様なドメインにわたる汎用的な異常検出を可能にする新しいグラフ基盤モデル「TA-GGAD」を提案し、14 の実世界グラフを用いた実験で最先端の性能を達成したことを報告しています。
この論文は、勾配に依存しないゼロ次最適化と差分プライバシーを組み合わせた新たなデータ凝縮手法を提案し、決定木やコックス回帰など広く使われている非微分可能な臨床モデルでも、患者の機密情報を保護しつつ高品質な合成データによるモデル共有を可能にすることを示しています。
本論文は、既存の自己教師あり骨格ベース動作認識手法が抱える課題を解決するため、無限骨格データゲームの均衡定理に基づき多視点ミニマックス最適化と二重損失均衡オプティマイザを導入した「M3GCLR」を提案し、主要ベンチマークで最先端の性能を達成したことを報告しています。
本論文は、限られたアノテーションと大規模な画像を扱う乳腺撮影の分類タスクにおいて、事前学習済み基盤モデルの特徴量を凍結し、軽量なマルチインスタンス学習ヘッドのみを学習することで、計算コストを大幅に削減しつつ臨床規模で最先端の性能を達成する「MIL-PF」というスケーラブルなフレームワークを提案するものです。
本論文は、オフラインデータとオンライン探索の安全な統合を可能にするため、低次元潜在空間での探索から生動作空間への制御をシームレスに移行させるカリキュラム学習フレームワーク「SPAARS」を提案し、その理論的保証と厨房・ロボットアームタスクにおける高いサンプル効率と性能向上を実証しています。
この論文は、エンジンの排気圧力パルスの物理的メカニズムにインダクティブバイアスを組み込んだ微分可能なパルス列合成モデル「PTR」を提案し、従来の調和音モデルと比較して高品質なエンジン音の再構成と物理パラメータの解釈可能性を実現したことを示しています。
ICDAR 2025 における複雑なレイアウトを持つ文書画像の機械翻訳コンペティションは、OCR 不要・OCR 利用の 2 つのトラックで 69 チームが参加し、大規模モデルが複雑な文書画像の翻訳において有望な新たなパラダイムを確立したことを示す結果を報告しています。
本論文は、DiT-XL/2 の FLOPs の 50% 未満で同等の性能を達成し、さらに 4 GPU 環境でのトレーニングを可能にする「FCDM」と呼ばれる完全畳み込み拡散モデルを提案し、現代の畳み込み設計が拡散モデルのスケーリングにおいて効率的かつ競争力のある代替手段となり得ることを示しています。
この論文は、異なるドメインのレイアウト構造やラベル付けスタイルの差異を考慮し、記述知識を手がかりとしてドメイン固有のプロンプトを生成する「PromptDLA」という新しいドメイン認識型プロンプターを提案し、複数の主要なドキュメントレイアウト分析データセットにおいて最先端の性能を達成したことを示しています。
この論文は、反復的な積分による遅延を回避しつつ多様な動作分布を単一ステップで保持するよう、条件付きフローマッチングの教師モデルを IMLE ベースの分布蒸留と双方向チャンバー距離を用いて高速な単一ステップ学生モデルへ転移するフレームワークを提案し、リアルタイムの多モーダルロボット制御を実現するものである。
本論文は、フランス語の患者記録を用いた実験を通じて、大規模言語モデル（LLM）が性別と他の社会的決定要因（SDoH）の相互作用に基づいてステレオタイプに依存した判断を下すことを実証し、既存のバイアス評価手法を補完する新たなアプローチの必要性を提唱しています。
この論文は、認識の不完全さや物体カテゴリの時間的変化といった現実世界の課題に対処するため、新しい物体クラスが逐次導入される「オープンワールド運動予測」という新たな設定を提案し、擬似ラベリングと視覚言語モデル、そしてクエリ特徴量分散に基づくリプレイサンプリングを組み合わせたエンドツーエンドのクラス増分学習フレームワークを構築し、忘却を抑制しつつ新規クラスへの適応とゼロショット転送を実現したことを示しています。
この論文は、気象・植生・紛争・価格など 6 つのデータストリームを統合し、43 か国の急性食料不安に対する 90 日後の確率予測を毎週生成するとともに、すべての予測を公開検証可能な形で記録する、初の確率的かつオープンアクセスの早期警戒システム「CERES」を提案するものです。
この論文は、大規模言語モデルが道徳的推論を常識的理解よりも優先する傾向にあること、特に物語の語り手ではなく二次的な登場人物に矛盾が割り当てられた場合にのみその矛盾を検出しやすい「物語焦点バイアス」が存在することを、新規ベンチマーク「CoMoral」を用いた評価を通じて明らかにし、常識の堅牢性を高めるための推論重視のトレーニングの必要性を訴えています。