4092 件の論文
STAC-MVは、幾何学を考慮した適応的なコンテキスト選択とクロスビュー・アテンションを活用することで、多様なカメラ構成において従来の標準規格に対して大幅なBD-rateの改善を実現しつつ、エンコード時間を大幅に削減することに成功した、初のトランスフォーマーベースのニューラルマルチビュービデオ圧縮フレームワークです。
本論文は、LLMベースの映画レコメンダーにおける人気バイアスを効果的に軽減するために、嗜好抽出、教師あり微調整、およびDirect Preference Optimizationを組み合わせた多段階アライメント・パイプラインを提案し、競争力のある精度を維持しつつ、ノベルティとカタログカバレッジの向上を実現するものである。
本論文では、転移可能な高次セマンティクスと疎な局所的アーティファクトとの間の衝突に起因する顔偽造検知の汎化ギャップに対処するため、CLIPの転移可能な構造を保持するセマンティック一貫性正則化と、局所的な偽造の手がかりを効果的に捉えて融合するマルチレベル・パッチ証拠学習を組み合わせたフレームワークであるSemFusionを提案する。
本研究は、臨床に基づいた概念構築が胸部X線写真分類のためのコンセプト・ボトルネック・モデルを強化することを示しており、教師あり手法は非ボトルネックのベースラインに匹敵する強力な性能を達成する一方で、ラベルフリーの手法は概念アノテーションが利用できない場合の有望な代替案となることを示している。
本論文は、ノイズの多いTwitter上のCOVID-19に関するツイートに対して最先端の感情分類を実現するために、遺伝的アルゴリズムを介して会話コンテキストの選択とハイパーパラメータを最適化する、較正された適応型コンテキスト・グラフニューラルフレームワークであるBioGraph-SentiCOVIDを導入するものである。
本論文は、2024年米国大統領選挙におけるX上の政治的スタンス検出に関する古典的モデル、ニューラルモデル、およびトランスフォーマーモデルの比較研究を提示しており、微調整されたBERTweetが最高の精度を達成する一方で、精緻に設計された線形SVMのような古典的モデルが、スケーラブルなデプロイメントに向けて非常に競争力のある、より効率的かつ解釈可能な代替案を提供することを実証している。
本論文は、8つの実世界のデータセットと5つの合成データセットにわたる14の手法の包括的な評価に基づき、トポロジーのみを用いた場合、古典的なコミュニティ検出手法が二部グラフにおいて近年のグラフニューラルネットワークと同等またはそれ以上の性能を一貫して示すことを実証している。
本論文は、研究者の監督を維持しつつ、助成金の発見および提案作成の処理能力と追跡可能性を体系的に向上させるために、コロンビアのヘルスケアAI企業において実装された、ガバナンスの効いた大規模言語モデル支援型ワークフローを記述し、形成的評価を行うものである。
本論文は、ラベル付きデータやファインチューニングを必要とせずに、既存のベースラインを大幅に上回る精度で欠落とハルシネーションを減少させつつ、非構造化臨床ノートを忠実な構造化表現へと変換するための適応的スキーマを動的に誘導する、大規模言語モデルを用いた反復的なフィードバック・リファインメント・フレームワークを提案する。
本研究は、単一指標による評価が、特定のクラスにおける見かけ上の堅牢性を強調することで、サイトを横断した外科用AIモデルの普遍的な崩壊を隠蔽し得る一方で、二重指標による監査は、カスタム検出器と学習済み基盤モデルの両方における広範な失敗を明らかにし、我々が検証した構成においては、バックボーンの置換によってもその格差は解消されないことを示している。