7179 papers
Deze paper introduceert SketchGraphNet, een geheugenefficiënte hybride graf-Transformer die vrijehandtekeningen direct als gestructureerde grafen modelleert en een nieuw benchmark-dataset van 3,44 miljoen schetsen presenteert om grootschalige tekenherkenning te verbeteren.
Dit paper introduceert een op neurale dynamiek gebaseerd voorgeöpleid raamwerk dat, in tegenstelling tot bestaande methoden, gepersonaliseerde hersenfunctionele netwerken construeert door neurale activiteitspatronen in heterogene scenario's nauwkeuriger te vangen, wat leidt tot superieure prestaties en generaliseerbaarheid.
Dit paper introduceert UniLongGen, een trainingsvrije inferentiestrategie die de betrouwbaarheid van langdurige, interleaved beeldgeneratie in unified multimodale modellen verbetert door dynamisch irrelevante visuele informatie te verwijderen en zo de ophoping van visuele vervuiling te voorkomen.
DreamSAC is een nieuw kader dat extrapolatie in 3D-fysica verbetert door een agent te laten verkennen via symmetrie-ontdekking en een Hamiltoniaans wereldmodel te leren dat behoudswetten identificeert uit ruwe pixelobservaties.
Dit paper introduceert COOL-MC, een tool die probabilistische modelchecking en uitlegbare methoden gebruikt om te verifiëren en te verklaren hoe een reinforcement learning-beleid voor het onderhoud van een netwerk van drie bruggen presteert, waarbij een veiligheidsrisico van 3,5% en een systematische bias naar brug 1 worden geïdentificeerd.
Deze paper introduceert een leermethode-vrij framework voor het genereren van Engels met een Spaans of Indiaas accent door fonologische regels toe te passen op een meertalige TTS-model, waardoor accenten op phonemisch niveau kunnen worden gemanipuleerd zonder grote datasets.
Deze paper introduceert een nieuw raamwerk voor 'Speech Generation Speaker Poisoning' om de privacyrisico's van zero-shot tekst-naar-spraakmodellen te beperken door specifieke stemidentiteiten te verwijderen, waarbij wordt aangetoond dat dit effectief werkt voor tot 15 sprekers maar schaalbaarheidsproblemen ondervindt bij 100 sprekers.
De auteurs presenteren Nwāchā Munā, een nieuw spraakcorpus en benchmark voor de bedreigde Nepal Bhasha-taal, en tonen aan dat effectieve spraakherkenning mogelijk is door middel van computerefficiënte, taalkundig nabije transfer van het Nepalees, in plaats van zware meertalige modellen.
Het paper introduceert GRD-Net, een nieuw model voor industriële afwijkingdetectie dat een generatieve reconstructie-architectuur combineert met een discriminatieve module voor segmentatie van gebieden van belang, waardoor de afhankelijkheid van vooraf gedefinieerde voorverwerkingsalgoritmen wordt verminderd en de generalisatie op zowel synthetische als realistische industriële datasets wordt verbeterd.
Dit artikel presenteert een systematische vergelijking van vier trainingsdoelen voor het detecteren van out-of-distributie in beeldclassificatie en concludeert dat Cross-Entropy Loss over het algemeen de meest consistente prestaties levert, hoewel andere methoden in specifieke scenario's concurrerend kunnen zijn.
Dit paper presenteert een semi-supervised anomaliedetectieframework op basis van generatieve adversariale netwerken dat is ontworpen voor online implementatie op een hoge-snelheids Blow-Fill-Seal-productielijn, waar het met hoge nauwkeurigheid en binnen strikte tijdsbeperkingen defecten detecteert door enkel te trainen op nominale monsters.
Dit paper introduceert DSS-GRPO, een difficulty-geschaalde segment-gebaseerde versterkingsleermethode die Chain-of-Thought-redenering effectief comprimeert zonder de kwaliteit van het eindantwoord te beïnvloeden door de leerprocessen voor 'denken' en 'antwoorden' strikt te scheiden.
Dit artikel introduceert SMAT, een gestructureerd trainingskader voor co-adaptieve exoskeletbesturing dat via een vierstapscurriculum een robuust en subjectonafhankelijk hulpmiddel levert dat de heupspieractivatie met gemiddeld 10,1% verlaagt en consistente positieve mechanische kracht genereert zonder specifieke aanpassing per gebruiker.
Dit artikel introduceert een synthetische data-pipeline op basis van een digitale tweeling van de luchthaven van Algiers die, in combinatie met YOLO-OBB en gemengde training, de annotatie-inspanning voor het detecteren van bagagewagentjes met 25 tot 35 procent verlaagt terwijl de prestaties gelijk blijven aan of beter zijn dan die van modellen getraind op volledige real-world datasets.
Deze paper introduceert AtomicVLA, een unificerend kader voor robotplanning en -executie dat via een Skill-Guided Mixture-of-Experts (SG-MoE) schaalbare atomaire vaardigheden leert en dynamisch combineert, waardoor robuustere prestaties worden bereikt bij langdurige taken en voortdurend leren in vergelijking met bestaande VLA-modellen.
Ref-DGS is een nieuw framework dat reflecterende oppervlakken efficiënt reconstrueert en nieuwe weergaven synthetiseert door geometrie en lokale reflecties te scheiden in een dubbele Gaussische representatie, waardoor het de snelheid van Rasterisatie combineert met de nauwkeurigheid van straalvolgende methoden zonder de hoge rekentkosten.
Dit artikel presenteert een door AI-aangedreven methode die hyperspectrale STXM-data van Na-ion kathodematerialen onder ruwe bemonsteringsomstandigheden verwerkt om nanoschaal-faseheterogeniteit en -evolutie in individuele deeltjes nauwkeurig in kaart te brengen.
Dit survey biedt een gestructureerd overzicht van de mechanismen, evaluatie en opkomende frontiers voor geheugen in autonome LLM-agenten, waarbij het geheugen wordt geformaliseerd als een schrijf-beheer-lees-lus en wordt onderzocht via een drie-dimensionale taxonomie, vijf mechanismefamilies, evaluatiemethoden en praktische toepassingen tot in 2026.
Dit paper introduceert CDA-VSR, een efficiënt online video super-resolutie-netwerk dat gecomprimeerde domein-informatie zoals bewegingsvectoren en residukaarten benut om de kwaliteit te verbeteren en de inferentiesnelheid te verdubbelen ten opzichte van bestaande methoden.
TDM-R1 is een nieuwe versterkingsleerparadigma dat few-step diffusiemodellen effectief optimaliseert met niet-differentieerbare beloningen door het leerproces te ontkoppelen in surrogaatbeloningslering en generatorlering, wat leidt tot state-of-the-art prestaties in diverse generatietaken.