Vectorized Online POMDP Planning
本論文は、部分的観測マルコフ決定過程（POMDP）のオンライン計画問題を、依存関係や同期のボトルネックを排除して完全にベクトル化された計算で解決する新しい並列ソルバ「VOPP」を提案し、既存の並列ソルバより 20 倍、逐次ソルバより 1000 倍少ない計算予算で近最適解を効率的に導出できることを示しています。
💻 Category
cs
6583 件の論文
Detecting AI-Generated Images via Diffusion Snap-Back Reconstruction: A Forensic Approach
この論文は、拡散モデルによる画像の「再構成時の挙動（拡散スナップバック）」を分析することで、人間の目や従来の手法では判別が困難な高品質な AI 生成画像を、圧縮やノイズなどの歪みにも強く、極めて高い精度（AUROC 0.993）で検出する新しいフォレンジック手法を提案しています。
PhantomFetch: Obfuscating Loads against Prefetcher Side-Channel Attacks
本論文は、ハードウェア変更を伴わずに既存のデバイスで適用可能であり、かつプリフェッチ機能の維持と極めて低いオーバーヘッドを両立する、IP-ストライドプリフェッチャーに対する新たな防御手法「PhantomFetch」を提案するものである。
MUGSQA: Novel Multi-Uncertainty-Based Gaussian Splatting Quality Assessment Method, Dataset, and Benchmarks
本論文は、ガウススプラッティングによる3D 物体再構成の知覚品質評価課題に対し、人間の視覚行動を模倣した多距離主観評価手法と、入力データの複数の不確実性を考慮して構築された新規データセット「MUGSQA」ならびにベンチマークを提案するものである。
Counting Through Occlusion: Framework for Open World Amodal Counting
本論文は、視覚的欠損をテキストや視覚的埋め込みなどのマルチモーダルガイダンスを用いて再構築し、注意空間の一貫性を保証することで、遮蔽下での物体カウント精度を飛躍的に向上させる新しいフレームワーク「CountOCC」を提案し、複数のデータセットで最先端の結果を達成したことを報告しています。
Think, Speak, Decide: Language-Augmented Multi-Agent Reinforcement Learning for Economic Decision-Making
本論文は、数値データと言語的推論を統合する「Think-Speak-Decide」パイプラインを採用したマルチエージェント強化学習フレームワーク「LAMP」を提案し、経済的意思決定における累積収益、頑健性、解釈可能性を大幅に向上させることを実証しています。
Video2Layout: Recall and Reconstruct Metric-Grounded Cognitive Map for Spatial Reasoning
この論文は、離散化されたグリッド表現の限界を克服し、連続的な物体境界座標を用いてメトリックに基づく空間レイアウトを再構築するフレームワーク「Video2Layout」を提案し、これにより空間推論タスクの精度を向上させることを示しています。
Multi-Order Matching Network for Alignment-Free Depth Super-Resolution
本論文は、RGB-D センサの物理的制約や較正ドリフトによるアライメント誤差に頑健であり、多次数マッチングと多次数集約機構を備えた「Multi-Order Matching Network (MOMNet)」を提案することで、アライメント不要な深度超解像において最先端の性能と優れた頑健性を達成することを示しています。
Learning to Think Fast and Slow for Visual Language Models
既存の視覚言語モデルが問題の複雑さを考慮せず一様に長い推論を生成する非効率さを解決するため、問題の難易度に応じて素早い直感的思考と遅い分析的思考を自動的に使い分ける「DualMindVLM」を提案し、推論精度の向上とトークン効率の改善を両立させた。
Radiative-Structured Neural Operator for Continuous and Extrapolative Spectral Super-Resolution
この論文は、物理的制約を考慮した連続的なスペクトルマッピングを学習し、非凸最適化に基づく角度一貫性射影（ACP）を用いて物理的に整合性のある高解像度分光画像を復元する「放射構造ニューラルオペレーター（RSNO）」を提案し、その有効性を理論的・実験的に検証したものである。
UnfoldLDM: Deep Unfolding-based Blind Image Restoration with Latent Diffusion Priors
本論文は、既知の劣化モデルに依存せず、多粒度劣化認識モジュールと潜在拡散モデルに基づく劣化耐性プロキシステップを組み合わせた「UnfoldLDM」を提案し、ブラインド画像復元における過平滑化バイアスを解消して高品質な復元を実現する手法を提示しています。
Privacy Concerns and ChatGPT: Exploring Online Discourse through the Lens of Information Practice on Reddit
本研究は、情報実践の理論的枠組みを用いて Reddit 上の議論を分析し、ユーザーが ChatGPT のプライバシー懸念に対し、リスクの共有や規範の確立、代替案の模索といった集合的な意味形成と適応実践を通じて対応していることを明らかにした。
Stable Multi-Drone GNSS Tracking System for Marine Robots
本論文は、海面下で GNSS 信号が受信できない marine ロボットに対し、複数のドローンによる視覚検出、GNSS 三角測量、および信頼度重み付き拡張カルマンフィルタを統合したリアルタイム安定追跡システムを提案し、ドローン間の追跡 ID 整合アルゴリズムによるグローバル一貫性を確保することで、複雑な環境下でも高精度かつロバストな追跡を実現することを示しています。
Yo'City: Personalized and Boundless 3D Realistic City Scene Generation via Self-Critic Expansion
本論文は、大規模モデルの推論能力を活用して「都市 - 地区 - グリッド」の階層構造を計画し、ユーザー定義と無限の拡張を可能にする自律的な 3D 都市生成フレームワーク「Yo'City」を提案し、その卓越した性能を実証するものです。
DOPD: A Dynamic PD-Disaggregation Architecture for Maximizing Goodput in LLM Inference Serving
本論文は、LLM 推論におけるプリフィルとデコードステージ間の負荷不均衡を解消し、SLO 遵守を維持しつつシステムスループットを最大化するために、リアルタイム負荷監視に基づいて動的にインスタンス割当を最適化する「DOPD」というアーキテクチャを提案し、既存手法と比較して大幅な性能向上を実証したものである。
Sublinear Edge Fault Tolerant Spanners for Hypergraphs
この論文は、従来の単純な手法では故障耐性ハイパーグラフスパンナーのサイズが故障数に対して線形になってしまうという課題を解決し、クラスタリング手法に基づいて故障数に対して部分線形なサイズを持つ高速構成アルゴリズムと下限を提案するものです。
An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems
本論文は、ロール・ツー・ロール製造システムにおける制御設計と適応の自動化、および安全性の維持を実現する、LLM を活用したマルチエージェント制御フレームワークを提案し、その有効性を実験的に検証したものである。
RadDiff: Retrieval-Augmented Denoising Diffusion for Protein Inverse Folding
本論文は、既存手法の限界を克服し、外部知識を効率的に取り込む新しい検索拡張型去重拡散モデル「RadDiff」を提案し、タンパク質逆折り畳みタスクにおいて既存手法を大幅に上回る性能とスケーラビリティを実証したものである。
Integrating a Causal Foundation Model into a Prescriptive Maintenance Framework for Optimising Production-Line OEE
この論文は、統計的相関に依存する従来の予測モデルの限界を克服し、事前学習された因果基礎モデルを「What-if」シミュレーターとして統合することで、故障の根本原因を特定し介入効果を定量化して生産ラインの OEE を最適化する処方箋保全フレームワークを提案しています。
S2AM3D: Scale-controllable Part Segmentation of 3D Point Cloud
本論文は、2D セグメンテーションの事前知識と 3D 一貫性教師信号を統合し、スケーラブルなプロンプトデコーダと大規模データセットを活用することで、3D 点雲の部品分割において高い汎用性、堅牢性、および粒度制御を実現する「S2AM3D」を提案するものである。