Domain Generalization through Spatial Relation Induction over Visual Primitives
본 논문은 엔드투엔드 아키텍처를 통해 시각적 원시 요소와 그 미분 가능한 공간적 관계 구성을 명시적으로 학습함으로써 분류 강건성을 향상시키고 구성적 벤치마크에서 상당한 성능 향상을 이루는 도메인 일반화 프레임워크인 PARSE 를 제안한다.
원저자가 쉬운 설명을 검토한 논문들.
이 페이지에 소개된 모든 논문은 원저자 중 최소 한 명이 저희의 쉬운 설명을 확인하여 내용이 정확하다고 확인했거나 수정 사항을 요청하여 저희가 반영한 것입니다. 확인이 각 문장을 공식적으로 승인한다는 의미는 아니지만, 설명이 논문을 쓴 당사자의 검토를 거쳤다는 뜻입니다.
저자가 검토한 논문 1209편 · 981–990 / 1209
본 논문은 엔드투엔드 아키텍처를 통해 시각적 원시 요소와 그 미분 가능한 공간적 관계 구성을 명시적으로 학습함으로써 분류 강건성을 향상시키고 구성적 벤치마크에서 상당한 성능 향상을 이루는 도메인 일반화 프레임워크인 PARSE 를 제안한다.
본 논문은 스펙트럼 대역 선택, 시간적 지속성 필터링, 적응형 노이즈 플로어 추적을 독창적으로 결합한 Temporal Spectral Noise-Floor Adaptation(TSNFA) 방법이 200 노드 IoT 메시 네트워크에서 완벽한 탐지와 0 의 오탐을 달성하여, 이러한 핵심 방어 메커니즘 중 적어도 하나가 부재하여 실패하는 여섯 가지 대체 알고리즘보다 우수한 성능을 보인다는 것을 입증하는 포괄적인 몬테카를로 연구를 제시한다.
본 논문은 베이지안 관점에서 거시적 양자 역학과 양자 조건부 상태 형식주의 간의 연결을 수립하여 해석적 해법과 반정부 계획법을 통해 나타나는 역학의 존재를 다루고, 이러한 유효 기술에서의 잡음 내성을 정량화하기 위한 새로운 견고성 측정치를 도입한다.
본 논문은 대규모 언어 모델의 주요 병목 현상이 시간적 추론에 있다는 관념에 도전하여, 실패의 원인이 비구조화된 텍스트-사건 표현에 기인한다고 주장하고, 의미 추출과 기호적 추론을 분리함으로써 벤치마크에서 완벽한 정확도를 달성하는 확률적 불일치 신호를 갖춘 신경-기호 프레임워크를 제시한다.
본 논문은 기하학적 구조로부터 직접 최적화된 분자 오비탈 계수를 예측하는 전이 가능한 그래프 신경망 프레임워크를 제시하여, 고전적 전처리 오버헤드를 크게 줄이고 더 큰 수소 시스템에 대한 수렴성을 향상시킴으로써 변분 양자 고유값 솔버 워크플로우의 확장 가능한 재학습 없는 가속화를 가능하게 합니다.
본 논문은 사고 발화 기록을 자동화된 인지 모델 발견에 통합하면 예측 성능이 크게 향상되고 식별된 모델 구조가 보다 통합된 효용 메커니즘을 지향하게 되어 행동 데이터만으로는 재구성할 수 없는 인지 과정을 드러낸다는 것을 보여준다.
본 논문은 아인슈타인 우주에서 질량이 없는 스칼라 장의 모든 온도와 반지름에 걸쳐 열역학적 안정성을 보장하는 등각 결합 () 이 유일한 매개변수 값임을 보이며, 동시에 전자기 및 중성미자 복사의 존재가 안정성을 유지하기 위해 적어도 하나의 스칼라 장을 필요로 함을 입증한다.
NGSIM 데이터셋의 100 만 건 이상의 차량 추종 관측을 분석한 본 연구는 감속 강도가 운전자가 제동 결정 시 간격 축소율이나 시각적 로밍 중 무엇을 우선시할지 결정하며 전통적인 간격 헤드웨이를 무시하게 만든다고 밝혀 기존 운전 행동 모델을 도전하고 자율주행 차량 제어에 중요한 통찰을 제공한다.
본 논문은 거리 조절 위상 상호작용을 모델링하기 위해 복소수 조르단 블록을 활용하여 진동-다항식 특징을 생성하는 비반단순 상대적 위치 인코딩인 조르단-RoPE를 소개하며, 이는 특정 맥락에서 표준 RoPE 및 ALiBi 기준 모델보다 구조적 이점과 구체적인 성능 향상을 입증합니다.
본 논문은 무한 -형 가우스 오비탈을 사용하여 블로흐 상태의 베리 위상에 대한 해석적 표현식을 유도하여 자크 위상 고유값과 모듈러 대칭성 간의 대응 관계를 확립함으로써, 공간군 와 같은 중심대칭성이 없는 결정성 물질의 위상적 특성을 식별할 수 있도록 한다.