4092 件の論文
本研究は、非自律微分方程式を解くための物理情報ニューラルネットワークの枠組みにおいて9つの活性化関数を経験的に評価し、GELUが他の関数と比較して残留誤差を最小化する上で優れた性能を示すことから、最も堅牢な選択肢であることを実証している。
本論文は、ゲート付きアテンションブロック、適応型特徴融合、およびフォーカスド・スケールフロー・ネットワークを統合することで、空撮による送電線点検における小型かつ遮蔽された安全装備を効果的に検出する軽量なコンテキスト認識型検出器であるLiteFocus-DEIMを提案しており、独自のHADデータセットおよびVisDrone2019ベンチマークの両方において高い精度と効率性を達成している。
本論文は、関節間の相関を動的にモデル化する動き認識型階層隣接行列と、複雑さが増すアクションを段階的に分類するステップワイズなカスケード構造を利用することで、複数のデータセットにわたり認識精度と計算効率の優れたバランスを実現する、カスケード・グラフ畳み込みネットワーク（CGCN）を提案する。
本論文では、テキストのアスペクト比に合わせて次元を異方的に割り当て、さらにロータリー・カップリングをエンコーダ・デコーダのクロスアテンションへと拡張することで、既存手法の限界に対処し、曲線、回転、および透視投影による歪みを持つテキストレイアウトにおける精度を大幅に向上させる、シーンテキスト認識のためのパラメータフリーな2D Rotary Position Embeddingの適応手法である\method{}を提案する。
自動運転におけるCNN、Transformer、およびハイブリッド型の物体検出アーキテクチャに関する142件の研究を対象としたこのPRISMAガイドラインに基づくクリティカル・レビューは、実環境へのデプロイメントに関するエビデンスの重大な欠如を特定し、ベンチマーク性能のみではなく運用準備態勢に基づいて検出器を再現可能かつエビデンスに基づいた形で選択することを可能にするAVOD-DRFフレームワークを導入するものである。
本論文は、クラス認識型意味論的ハイブリッドデータ拡張（CSHDA）フレームワークを提案するものであり、これは多様で意味論的に検証された拡張手法を少数派クラスに対して選択的に適用することで、クラス不均衡を効果的に緩和し、不均衡な感情分類タスクにおける複数のトランスフォーマーベースのモデルの性能と堅牢性を大幅に向上させるものである。
本論文は、精査された生物学的知識を微分可能な因果探索アルゴリズムへと統合するユニバーサルな事前分布正則化フレームワークを提案しており、既存のベースライン手法が苦戦する高次元かつ小標本のトランスクリプトームデータにおいて、既存のドメイン事前分布を活用することでグラフ復元精度を大幅に向上させている。
本論文は、CUDA Toolkitやビルド工程を必要とせずに、CPUリファレンスに対して最大36.6倍の高速化を実現しつつ元の手法との厳密な数値的忠実度を維持する、完全なBM4Dボリュームデノイジング・アルゴリズムの、完全にオープンソースでpipインストール可能なCuPy実装を紹介するものである。
本研究は、単誘導ECG信号からマルチフィーチャー形態を解析するために正則化XGBoostアルゴリズムを活用し、無呼吸イベントの識別において高い精度（96.1%）、特異度（100%）、および感度（92.1%）を達成した自動睡眠障害分類システムを提示するものである。
本論文は、最適化されたYCbCr特徴量と新規の3SH–VSSアーキテクチャを融合させ、局所的な圧縮アーティファクトとグローバルな偽造依存関係を同時にモデリングすることで、圧縮されたディープフェイク動画を効果的に検出し、データセットを越えた優れた性能と汎用性を実現する、統計学的に導かれたハイブリッドな局所・グローバル学習フレームワークを提案する。