3982 편의 논문
본 논문은 단일 모달리티 접근 방식의 일반화 한계를 극복하기 위해 CNN 기반의 시각적 균열 탐지와 LSTM으로 처리된 센서 시계열 데이터를 결합한 강건한 멀티모달 딥러닝 프레임워크를 제안하며, 이를 통해 스마트 시티의 지속 가능한 교량 상태 모니터링을 위한 94%의 전체 정확도와 향상된 재현율을 달성한다.
이 논문은 클라우드 기반의 적응형 접근성 인터페이스인 "Ctrl+You"를 제시하며, 이는 단일 사용자 프로필을 통해 웹, 데스크톱, 모바일 플랫폼 전반에 걸쳐 보조 도구를 통합하고, 뭄바이 UMED 장애 센터에서의 2주간의 현장 평가를 통해 이러한 방식이 다양한 장애를 가진 개인들을 위한 데이터 입력 오류와 보호자 개입을 유의미하게 감소시킨다는 것을 입증한다.
본 논문은 추가적인 학습 없이 노이즈를 효과적으로 억제하고, 구조적 세부 사항을 보존하며, 측정 일관성을 보장하기 위해 사전 학습된 확산 모델을 사전 지식으로 활용하고 푸리에 위상 제약 조건 하에서 해밀토니안 몬테카를로 샘플링을 통해 예측을 정제하는 제로샷 저조도 이미지 개선 프레임워크를 제안한다.
본 논문은 멀티모달 고해상도 교사 모델로부터 변별적 지식을 저해상도 학생 모델로 전이함으로써 저해상도 비디오에서의 고립 수어 인식을 개선하는 특권 지식 증류 프레임워크(PKD-ISLR)를 제안하며, 이는 WLASL 및 ASLCitizen 벤치마크에서 기존 베이스라인들을 능가한다.
본 논문은 공유-개별(shared-private) 의미론을 모델링하고 제어된 사전 가이드와 유계 잔차 정교화(bounded residual refinement)를 통해 검색 증거를 활용함으로써, 결측 모달리티에 대한 강건성을 향상시키고 불완전한 멀티모달 감정 인식을 해결하는 메커니즘 분리형 검색 가이드 조건부 복구 프레임워크인 MDRC를 제안한다.
이 논문은 다양한 시간 해상도에 걸쳐 우울증 심각도의 고도로 정확하고 견고하며 확장 가능한 실시간 분류를 달성하기 위해 다중 모달 생체 신호와 동적 PAD 기반 레이블링을 활용하는 새로운 어텐션 기반 시계열 프레임워크인 SATrans를 제안한다.
본 논문은 다중 스케일 공간 특징 융합과 아트러스스 피라미드 시간적 풀링을 활용하여 정확하고 해석 가능하며 효율적인 조기 심방 및 심실 수축의 자동 탐지를 달로 달성함으로써 기존 방법들을 능가하는 모티프 행렬 기반의 새로운 밀도 적응형 모델(NDAMM)을 제안한다.
본 논문은 OpenML 정형 데이터 태스크에 대해 원시 예측, 온도 스케일링(temperature scaling), 그리고 디리클레 보정(Dirichlet calibration) 사이를 동적으로 선택하는 경량화된 프로브 기반 정책을 제안하고 평가하며, 이러한 조건부 선택이 범용 보정이나 무보정 방식에 비해 확률 정확도와 기권 품질을 모두 향상시킨다는 것을 입증한다.
Āyurpadaviśleṣikā는 자연어 처리, 컴퓨터 비전 및 전문가 큐레이션을 통해 지식의 파편화 문제를 해결하고 다양한 사용자들을 위한 접근성을 높이기 위해, 고전 산스크리트 문헌에 기록된 4,000개 이상의 약재 항목을 아유르베다의 5단계 체계에 따라 정리하는 AI 지원 디지털 플랫폼입니다.
이 논문은 시간적 및 구조적 입법 이력을 활용한 특징 기반의 해석 가능한 머신러닝 접근 방식을 제안하며, 이는 브라질 하원의 법안 단계별 승인 결과를 예측하는 데 있어 기존 베이스라인 모델들을 크게 능가함으로써 강화된 입법 모니터링과 투명성을 위한 실용적인 도구를 제공한다.