927 件の論文
この制御された研究は、ラベルの少ない細胞インスタンスセグメンテーションにおける事前学習戦略のランキングが、バックボーンの重みのみに固有のものではなく、使用される特定の転移および適応プロトコルに決定的に依存することを示すとともに、標準的な評価手法が密な顕微鏡画像における性能を著しく過小評価していることを浮き彫りにしている。
公開されているベンチマークデータセットを用いたこのメタ解析は、ハイブリッドな特徴量表現をアンサンブル学習手法と組み合わせることで、個別の特徴抽出手法や分類器と比較して、フェイクニュース検出における予測の安定性と有効性が向上することを示している。
本論文は、RGB特徴量とSRM特徴量を融合させたデュアルストリーム分類器を用いて改ざんタイプをまず分類し、次いでハイブリッド損失関数を備えた特化型条件付き拡散モデルを用いて精密な改ざんマスクを生成する、画像操作ローカライゼーションのための新しい二段階モジュール型フレームワークを提案しており、ベンチマークデータセットにおいて競争力のある性能を達成している。
本論文は、堅牢なウォーターマーク生成と復元のためにTransUNetを活用し、さらにマルチヘッドUNetフォレンジックモジュールを組み合わせることで、透かしの透明性と堅牢性を動的にバランスさせながら、高精度な改ざん検知とピクセルレベルの局在化を実現する、新しい能動的な画像操作検知および局在化（AIMDL）フレームワークを提案する。
本論文は、新たに構築されたデータセットを用いて学習することで、静止した顔の線画から順序付けられたストロークシーケンスを正確に予測することに成功した、画像条件付き自己回帰モデルであるStrokePlan-RNNを紹介し、高い幾何学的精度を達成すると同時に、改善された手続き的評価指標の必要性を強調するものである。
本論文は、新たなドメイン特化型のPLASTICデータセットを導入し、ResNet101を用いて最大94.89%の精度を達成しつつ計算リソースの要件を削減する、Optunaなどの既存ツールを凌駕するアーキテクチャ非依存のオートチューニングフレームワークであるAdaptive Training Controller（ATC）を提案することで、プラスチック廃棄物分類の課題に取り組むものである。
この実証的評価は、大規模言語モデルが、検索ツールを備えることで人間によるレビューが見逃した実際のエラーを特定し、研究の再現率を大幅に向上させることができる一方で、顕著性バイアス、論文間の混同、および存在しない不整合の捏造といった持続的な問題により、人間の検証に代わる信頼できる手段としては依然として不十分であることを示している。
本論文は、双方向デジタルツイン、深層強化学習エージェント、および説明可能なAIレイヤーを統合したサイバーフィジカルアーキテクチャを提示および検証し、高需要ストレス下における救急外来のディスパッチングを最適化することで、ピーク時の占有率の大幅な削減を実証するとともに、検証プロセスにおける特定の計装アーティファクトを批判的に露呈し対処するものである。
本論文は、L*学習、文法制約付きLLM、および凸最適化を統合することで、自然言語による要件から形式的に検証可能なマルコフ使用モデルの合成を自動化し、純粋なニューラルベースラインを大幅に上回る高忠実度な故障検出とカバレッジを実現するとともに、安全性が極めて重要なシステムにおける手動モデリングのボトルネックを排除するフレームワークであるNeuro-Symbolic MBSTを導入するものである。
本論文は、複雑なユーザークエリを処理するためにルールベースの分類器を利用し、評価のために「改良型オーバーラップ比」指標を導入することで、監視ビデオにおける異常イベントの要約を生成するためのインタラクティブなクエリベースのアルゴリズムを提案しており、PETS09データセットにおいて既存の手法よりも優れた精度と品質を実証している。