4896 papers
Dit paper introduceert LiTo, een nieuwe 3D-latente representatie die objectgeometrie en view-dependent uiterlijk (zoals spiegelreflecties) gezamenlijk modelleert door oppervlakte-lichtveldstokenisatie, waardoor realistische 3D-generatie vanuit een enkele inputafbeelding mogelijk wordt.
Deze paper introduceert een volledig geautomatiseerd AI-systeem dat korte komediesoaps genereert door middel van een agentenpopulatie die de rollen van een productiestudio nabootst en gebruikmaakt van door LLM-aangedreven critici die zijn getraind op YouTube-data om humor te evalueren en de output te optimaliseren.
Dit artikel introduceert SDR-GAIN, een real-time generatieve tegenstrijdige imputatiemethode die ontbrekende sleutelpunten van verduisterde voetgangers in autonome rijscenario's nauwkeurig reconstrueert door te leren van de numerieke verdeling van coördinaten in plaats van visuele occlusiepatronen.
Deze paper introduceert TSformer-SA, een transformer-model met een subject-specifieke adapter dat door middel van temporo-spectrale fusie en multi-view consistentie de prestaties van RSVP-BCI-decodering verbetert met minder trainingsdata voor nieuwe gebruikers.
Dit artikel introduceert PnLCalib, een op optimalisatie gebaseerde kalibratiemethode voor sportvelden die gebruikmaakt van een 3D-soccerfield-model en lijndetectie om nauwkeurigere camera-calibratie te bereiken in broadcast-sportvideo's dan bestaande zoekmethoden.
Dit artikel introduceert DP-IQA, een baanbrekende methode voor blinde beeldkwaliteitsbeoordeling in het wild die gebruikmaakt van de robuuste perceptieve priors van een vooraf getraind Stable Diffusion-model om, via kennisdistillatie naar een lichtgewicht CNN, state-of-the-art prestaties en superior generalisatievermogen te bereiken.
Dit paper introduceert ScenarioFuzz, een baanbrekende fuzzing-methode die gebruikmaakt van historische testdata en een grafische neurale netwerken om autonome rijstelsels te testen zonder vooraf gedefinieerde scenario's, waardoor de tijdskost met 60,3% wordt verminderd en de ontdekking van fouten met 103% wordt verhoogd.
Dit artikel presenteert een schaalbaar, multi-agent Q-learning-systeem voor het updaten van HD-kaarten in voertuignetwerken dat, in vergelijking met single-agent benaderingen, de computelast verlaagt en de netwerklatentie aanzienlijk verbetert.
Deze paper introduceert CoHet, een algoritme dat graph neural networks gebruikt om intrinsieke beloningen te genereren en zo de samenwerking tussen heterogene agents in gedecentraliseerde multi-agent versterkingsleer te verbeteren, zelfs bij gedeeltelijke waarneembaarheid en schaarse beloningen.
Deze paper introduceert Sparse Variational Student-t Processes (SVTP), een schaalbaar raamwerk dat de robuustheid van Student-t-processen combineert met efficiënte inference-algoritmen voor het modelleren van zwaarstaartige data en uitbijters, waarbij het aanzienlijk beter presteert dan bestaande methoden op grote datasets.
Deze paper introduceert een unificerend raamwerk dat kwantisatie en verduidelijking als additief ruis modelleert en een afgeleid denoising-dekwantisatietransform toepast om stabiele training van neurale netwerken op willekeurige precisie- en sparsiteitsniveaus mogelijk te maken, waardoor state-of-the-art resultaten worden behaald in ultra-lage precisie-regimes zoals A1W1.
Dit paper introduceert DCPI, een methode voor datasetcondensatie die de prestaties verbetert door naast de gereduceerde dataset ook 'geprivilegieerde informatie' te synthetiseren die als aanvullende supervisie dient tijdens het trainen van modellen.
LayoutDreamer is een framework dat 3D Gaussian Splatting en fysica-gestuurde energie combineert om tekstgestuurde, fysiek realistische en goed controleerbare composities van 3D-scènes te genereren, waarmee het de huidige state-of-the-art prestaties verbetert.
In dit artikel wordt Astromer 2 gepresenteerd, een verbeterde foundation model voor het extraheren van lichtkromme-inbeddingen via zelftoezichtend leren, dat aanzienlijk betere prestaties en generalisatie bereikt dan zijn voorganger Astromer 1, zelfs bij beperkte hoeveelheden gelabelde data.
Dit artikel introduceert het concept van een 'ruimtelijke signatuur' voor datasets om de robuustheid van semivalue-gebaseerde datawaardering tegen veranderingen in de nuttigheidsfunctie te analyseren en biedt een praktische methode om de stabiliteit van deze waarderingen te kwantificeren.
Dit paper introduceert MKE-Coder, een nieuw raamwerk dat multi-axiale kennis en bewijsverificatie combineert om de nauwkeurigheid en snelheid van het automatisch coderen van ICD-codes in Chinese elektronische medische dossiers aanzienlijk te verbeteren.
Dit paper introduceert LLM-Advisor, een prompt-based raamwerk dat grote taalmodellen gebruikt als post-processing adviseurs om de kosten-efficiëntie van padplanning over diverse terreinen aanzienlijk te verbeteren zonder de onderliggende planner te wijzigen.
Dit paper introduceert HyConEx, een innovatief diep leermodel voor tabulaire data dat gelijktijdig nauwkeurige classificaties en lokale uitleggen in de vorm van contrafactuele voorbeelden biedt, waardoor het de eerste interpreteerbare classifier is die beide functies in één neurale netwerkbouwkundige combineert.
Dit paper introduceert een theoretisch onderbouwde aanpak voor uitlegbare kunstmatige intelligentie die, met behulp van een verklarende functor uit de categorietheorie, de consistentie en trouw van gegenereerde logica-gebaseerde verklaringen ten opzichte van het onderliggende model garandeert.
Dit paper introduceert GateLens, een LLM-agent die Relational Algebra gebruikt als formele tussenlaag om complexe tabulaire data in de automobielindustrie snel, transparant en betrouwbaar te analyseren, waardoor de analysetijd met meer dan 80% wordt gereduceerd ten opzichte van bestaande methoden.