2385 papers
Dit onderzoek toont aan dat LoRA-finetuning van een compact LLM (Qwen-0.5B) voor tekst-naar-spraak, mits ondersteund door diverse trainingsdata, aanzienlijke verbeteringen oplevert in perceptuele kwaliteit, sprekerstrouw en signaalruisverhouding vergeleken met een bevroren basismodel.
Dit paper introduceert "Historical Consensus Training", een iteratief selectieproces voor GMM-priors dat posterior collapse in variational autoencoders volledig elimineert door een stabiel historisch obstakel te creëren dat de degeneratie naar de prior onmogelijk maakt, ongeacht decodervariatie of regularisatiesterkte.
Deze paper introduceert RAD, een nieuw framework voor veilig Reinforcement Learning from Human Feedback dat in plaats van gemiddelde kosten First-Order Stochastic Dominance-constraints toepast via Optimal Transport om zeldzame catastrofale risico's te beheersen en de robuustheid van het model te verbeteren.
Dit artikel introduceert Contact Coverage-Guided Exploration (CCGE), een algemene exploratiemethode die het contactpatroon tussen hand en object gebruikt om de trainingsefficiëntie en succespercentages van dexterous manipulatie taken te verbeteren en robuuste overdracht naar echte robotsystemen mogelijk te maken.
Het paper introduceert GroundCount, een framework dat Vision-Language-modellen verrijkt met objectdetectie-gebaseerde ruimtelijke grounding om hallucinaties bij het tellen van objecten te verminderen en de nauwkeurigheid aanzienlijk te verbeteren.
Dit artikel onderzoekt hoe kunstmatige intelligentie, met name machine learning en natuurlijke taalverwerking, als katalysator fungeert voor innovatie in software engineering door Agile-praktijken te optimaliseren en repetitieve taken te automatiseren, wat leidt tot verbeterde kwaliteit en snelheid in de ontwikkeling.
Dit artikel analyseert op basis van interviews met experts de methodologische uitdagingen die de dynamische aard van geavanceerde AI-systemen oplevert voor human uplift-studies en biedt praktische oplossingen om de validiteit en bruikbaarheid van deze bewijslast voor hoog-risico beslissingen te waarborgen.
In een interdisciplinair onderzoek tussen computerwetenschappers en kunsthistorici wordt onderzocht hoe Vision Language Models kunststijlen herkennen en blijkt dat hun gebruikte concepten voor 90% relevant zijn en voor 73% semantisch zinvol worden bevonden door experts.
Dit artikel introduceert IsalGraph, een methode die de structuur van eindige grafen comprimeert tot een compacte string van negen karakters die door een virtuele machine kan worden gedecodeerd, waarbij elke string een geldige graaf oplevert en de sequenties sterk correleren met grafische bewerkingen voor toepassingen in vergelijkingszoekopdrachten en generatieve modellen.
Het artikel introduceert V2M-Zero, een methode die video naar tijd-gealigneerde muziek vertaalt zonder gekoppelde trainingsdata, door gebruik te maken van binnen-modale gebeurteniskrommen om de gedeelde temporele structuur tussen video en muziek te benutten.
Dit paper introduceert NeFTY, een differentieerbaar fysica-framework dat gebruikmaakt van neurale velden en een strikte numerieke solver om materialen kwantitatief in 3D te reconstrueren op basis van oppervlaktetemperatuurmetingen, waardoor de beperkingen van traditionele thermografie en bestaande PINN-benaderingen voor het detecteren van ondergrondse defecten worden overwonnen.
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.