RTFDNet: Fusion-Decoupling for Robust RGB-T Segmentation
この論文は、低照度環境における RGB-T セマンティックセグメンテーションのロバスト性を向上させるため、融合とモダリティ適応を単一のネットワークで統合し、欠損信号に対しても頑健な推論を可能にする「RTFDNet」という新しいアーキテクチャを提案しています。
💻 Category
cs
4504 件の論文
SPAN-Nav: Generalized Spatial Awareness for Versatile Vision-Language Navigation
この論文は、420 万件の占有アノテーションを含む大規模データセットを用いたマルチタスク共同学習により、単一の空間トークンを通じて 3D 空間認識を統合し、多様なシナリオやタスクにおいて最先端の性能と実世界での堅牢性を達成するエンドツーエンドの基盤モデル「SPAN-Nav」を提案するものである。
Fast and Optimal Differentially Private Frequent-Substring Mining
この論文は、Bernardini らの PODS'25 における既存手法の空間・時間計算量の課題を克服し、近似的に最適な誤差を保ちながら、頻出部分文字列マイニングを微分プライバシー条件下で の空間と の時間で実現する新しいアルゴリズムを提案するものである。
Optimal partition selection with Rényi differential privacy
この論文は、Rényi 差分プライバシーの枠組みにおいて、各ユーザーが単一のパーティションを提出する場合の最適アルゴリズムを一般化し、複数のパーティションを提出する場合や頻度解放を伴う場合における最適性の限界と、既存のパーティション選択アルゴリズムに対する実用的な改善手法を提示するものである。
Progressive Split Mamba: Effective State Space Modelling for Image Restoration
画像復元において、Mamba モデルが抱える空間トポロジーの破綻と長距離依存性の減衰という課題を解決するため、幾何学的分割と対称なショートカット経路を導入した階層的状態空間モデル「Progressive Split-Mamba」を提案し、超解像やノイズ除去などのタスクで既存モデルを上回る性能を示した。
Point Cloud as a Foreign Language for Multi-modal Large Language Model
本論文は、事前学習済みの 3D エンコーダに依存せず、点群を離散トークンに変換して LLM の語彙として直接処理するエンドツーエンドのマルチモーダル大規模言語モデル「SAGE」を提案し、既存の手法を上回る性能と計算効率を実現したことを示しています。
STONE Dataset: A Scalable Multi-Modal Surround-View 3D Traversability Dataset for Off-Road Robot Navigation
本論文は、オフロードロボットナビゲーション向けに、自動アノテーションパイプラインにより生成された大規模なマルチモーダル（LiDAR、カメラ、レーダー）サーラウンドビュー 3D 通過性データセット「STONE」と、そのベンチマークを提案するものである。
Evaluating the Practical Effectiveness of LLM-Driven Index Tuning with Microsoft Database Tuning Advisor
本論文は、大規模言語モデル（LLM）を用いたインデックス調整が、Microsoft のデータベース調整アシスタント（DTA）よりも優れた実行時間を達成する可能性を示す一方で、その性能のばらつきや実運用への統合の難しさから、現状では補完的な技術として位置づけられるべきであることを、ベンチマークおよび実企業ワークロードを用いた評価を通じて明らかにしています。
Robust Spatiotemporal Motion Planning for Multi-Agent Autonomous Racing via Topological Gap Identification and Accelerated MPC
この論文は、SGP による対戦相手の行動予測と動的占有廊下の構築、およびカスタム擬似過渡継続ソルバーを用いた高速 LTV-MPC による厳密な運動学制約の保証を通じて、F1TENTH プラットフォーム上で最先端の手法を大幅に上回る高速度・高安全性のマルチエージェント自動レーシングを実現する「トポロジカルギャップ識別と加速 MPC」フレームワークを提案するものである。
ZipPIR: High-throughput Single-server PIR without Client-side Storage
本論文は、クライアント側の大容量ストレージを必要とせず、かつ既存の Paillier 暗号方式を用いた PIR プロトコルよりも遥かに高いスループット（2GB/s 超）を達成する新しいプロトコル「ZipPIR」を提案し、その核心は LWE 暗号文を Paillier 暗号文に圧縮するオフライン処理と、ほぼ通信不要なオフラインフェーズの実現にある。
Hierarchical Observe-Orient-Decide-Act Enabled UAV Swarms in Uncertain Environments: Frameworks, Potentials, and Challenges
本論文は、不確実な環境下での UAV スワームの意思決定課題を解決するため、クラウド・エッジ・端末層にOODA ループを埋め込み NFV 技術を活用した階層的 H-OODA フレームワークを提案し、自律意思決定と協調制御の統合による適応性向上と将来の課題を論じています。
WESPR: Wind-adaptive Energy-Efficient Safe Perception & Planning for Robust Flight with Quadrotors
本論文は、環境の幾何学形状と局所気象データを用いて風場をリアルタイムに推定し、風の影響を先回りして回避・適応する軽量フレームワーク「WESPR」を提案し、その有効性をドローンによる実証実験で示したものである。
Geometry-Aware Metric Learning for Cross-Lingual Few-Shot Sign Language Recognition on Static Hand Keypoints
本論文は、カメラの視点やスケールに依存しない関節角度記述子を用いた幾何学的メトリック学習フレームワークを提案し、限られたターゲット言語のデータで多言語手話認識の精度を大幅に向上させる手法を明らかにしています。
PIM-SHERPA: Software Method for On-device LLM Inference by Resolving PIM Memory Attribute and Layout Inconsistencies
本論文は、オンデバイス LLM 推論におけるメモリ属性とレイアウトの不一致という課題を解決し、DRAM ダブルバッファリングやオンライン重み再配置といったソフトウェア手法により、PIM 対応システムでの効率的な推論を実現する「PIM-SHERPA」を提案するものである。
TubeMLLM: A Foundation Model for Topology Knowledge Exploration in Vessel-like Anatomy
本論文は、医療用血管様解剖の複雑なトポロジーを自然言語プロンプトと視覚表現を統合したマルチモーダル基盤モデル「TubeMLLM」によってモデル化し、15 のデータセットで分布外性能やゼロショット転移能力において既存手法を凌駕する新たなベンチマーク「TubeMData」を提案するものである。
Distributed Convolutional Neural Networks for Object Recognition
この論文は、正のクラスを高次元空間のコンパクトな集合に、負のクラスを原点にマッピングする新しい損失関数を提案し、これにより正のクラスの特徴のみを抽出・解離できる軽量で汎化性能に優れた分散畳み込みニューラルネットワーク（DisCNN）を構築し、複雑な背景における物体検出を可能にすることを示しています。
UniField: A Unified Field-Aware MRI Enhancement Framework
本論文は、MRI 画像の画質向上において、3D 基盤モデルの活用、物理メカニズムに基づくスペクトル補正、および大規模なマルチフィールド対データセットの構築を通じて、異なる磁場強度間での汎化性能を飛躍的に向上させる統合フレームワーク「UniField」を提案し、既存手法を大幅に上回る性能を実現したことを報告するものです。
TRIP-Bag: A Portable Teleoperation System for Plug-and-Play Robotic Arms and Leaders
この論文は、学習ベースのロボット制御に必要な高品質な実世界データを収集するために、5 分以内のセットアップで非専門家でも直感的に操作でき、あらゆる環境で利用可能な携帯型テレオペレーションシステム「TRIP-Bag」を提案し、その実用性と収集データの品質を検証したものです。
Flash-KMeans: Fast and Memory-Efficient Exact K-Means
本論文は、距離行列の中間メモリ確保やアトミック操作による競合といった GPU 上のボトルネックを解消する「FlashAssign」と「sort-inverse update」といったカーネルレベルの革新を導入し、NVIDIA H200 GPU 上で既存ライブラリを最大 200 倍以上高速化するオンライン対応の高速かつメモリ効率的な K-means アルゴリズム「Flash-KMeans」を提案しています。
HelixTrack: Event-Based Tracking and RPM Estimation of Propeller-like Objects
本論文は、ドローンや回転機械の安全な知覚のために、従来のフレームベースやイベントベースの追跡手法が苦手とするプロペラ状物体の高速な周期性運動を、イベントカメラを用いた「HelixTrack」という手法でリアルタイムかつマイクロ秒レベルの遅延で追跡・回転数推定し、その評価のために新規データセット「TQE」を公開したことを提案するものです。