4031 件の論文
本論文は、事前学習済み拡散モデルを事前知識として活用し、ノイズの抑制、構造的詳細の保持、および追加学習なしでの測定一貫性の確保を効果的に行うために、フーリエ位相制約下でのハミルトニアンモンテカルロサンプリングを通じてその予測を精緻化する、ゼロショット低照度画像強調フレームワークを提案する。
本論文は、マルチモーダルな高解像度教師モデルから低解像度の生徒モデルへと識別的な知識を転移させることにより、低解像度ビデオにおける孤立手話認識を向上させる特権知識蒸留フレームワーク（PKD-ISLR）を提案し、WLASLおよびASLCitizenベンチマークにおいて既存のベースラインを凌駕する成果を上げている。
本論文は、共有・個別セマンティクスをモデル化し、制御された事前ガイダンスと有界な残差精緻化を通じて検索エビデンスを活用することで、欠損モダリティに対する堅牢性を高める、メカニズム分離型の検索誘導型条件付きリカバリフレームワークであるMDRCを提案する。
本論文は、マルチモーダルな生理学的信号と動的なPAD駆動型ラベリングを活用することで、様々な時間解像度において抑うつ重症度の極めて高精度かつ堅牢でスケーラブルなリアルタイム分類を実現する、新しいアテンションベースの時系列フレームワークであるSATransを提案する。
本論文は、マルチスケール空間特徴融合とアトラス・ピラミッド型時間的プーリングを活用することで、公開データベースにおける既存の手法を凌駕する、正確、解釈可能かつ効率的な心房性および心室性期外収縮の自動検出を実現する、モチーフ行列に基づく新規の密度適応型モデル（NDAMM）を提案する。
本論文は、OpenMLのテーブルデータ・タスクにおける選択的分類のための、生の予測値、温度スケーリング、およびディリクレ較正の間を動的に選択する軽量なプローブベースの方策を提案および評価し、このような条件付き選択が、普遍的な較正や較正なしと比較して、確率の正確性と棄権の質の両方を向上させることを示す。
Āyurpadaviśleṣikāは、知識の断片化を解消し、自然言語処理、コンピュータビジョン、および専門家によるキュレーションを通じて多様なユーザーへのアクセシビリティを高めるために、古典的なサンスクリット文献から4,000件以上の薬用成分の項目をアーユルヴェーダの五段階の枠組みを用いて整理する、AI支援型のデジタルプラットフォームです。
本論文は、時間的および構造的な立法履歴を用いた特徴量ベースの解釈可能な機械学習手法を提案しており、これはブラジル下院における議案レベルの承認結果の予測において既存のベースラインを大幅に上回る性能を示し、立法監視と透明性を強化するための実用的なツールを提供するものである。
本論文は、エビデンスに基づきフィルタリングされたSHAP属性と、教育学的な根拠に基づくLLMフィードバックを統合することで、多様な教育的文脈における学生のリスク予測に対して、実行可能かつシナリオに適合した説明を生成するクロスデータセット・フレームワークを提案し、横断的および縦断的なデータセットを用いた検証を通じて、コンプライアンスと堅牢性の向上を実証するものである。
本論文は、拡散増強型対照学習を通じてEEG表現を大規模言語モデルの埋め込みと整列させることで、脳信号と自然言語を橋渡しする基盤モデルであるEEG-LMを導入しており、これにより複数のデータセットにわたって、最先端の性能、強力な汎化性能、および解釈可能な感情認識を実現している。