3520 papers
Deze paper introduceert k-MTR, een end-to-end multi-task framework dat directe diagnostische analyses van het hart uitvoert op basis van onderbemonsterde k-ruimte-data, waardoor de traditionele en foutgevoelige stap van beeldherstel wordt omzeild.
Dit paper introduceert het concept van 'Whole Slide Difficulty' op basis van meningsverschillen tussen experts en niet-experts, en toont aan dat het integreren van deze moeilijkheidsgraad in Multiple Instance Learning de prestaties van prostaatkankergradering, vooral bij hogere Gleason-graden, consistent verbetert.
Dit paper introduceert C2FMAE, een hiërarchisch maskerend autoencoder-model dat de spanning tussen contrastief leren en gemaskeerde beeldmodellering oplost door een grof-naar-fijn leerproces te gebruiken dat semantische, object- en pixelniveaus combineert voor robuustere visuele representaties.
Dit paper introduceert BEACON, een methode die taalgeconditioneerde navigatie onder obstructie verbetert door in plaats van 2D-beeldvoorspellingen een vogelvluchtaanzicht (BEV) van toegankelijkheidskansen te genereren die ook verborgen gebieden omvat, wat resulteert in een aanzienlijke prestatieverbetering ten opzichte van bestaande beeldgebaseerde methoden.
ReCoSplat is een autoregressief feed-forward model voor Gaussische splatting dat een Render-and-Compare-module en een hybride KV-cache-compressiestrategie introduceert om robuuste online nieuwe weergavesynthese te bereiken, zelfs bij ongestructureerde of niet-geposeerde inputsequenties.
Dit paper introduceert Bag-of-Words Superposition (BOWS) om aan te tonen dat in realistische scenario's met gecorreleerde features, superpositie constructieve interferentie kan genereren die semantische clusters en cyclische structuren vormt, in plaats van dat interferentie uitsluitend als ruis moet worden gefilterd zoals in het standaardbeeld van superpositie wordt aangenomen.
Dit paper introduceert differentieerbare microscopie (), een datagedreven, top-down ontwerpmethode die de creatie van geoptimaliseerde optische systemen voor faseherstel mogelijk maakt en experimenteel is gevalideerd.
Deze paper introduceert een wederkerig conditioneel aanpassingsmechanisme voor blended-target domain adaptation dat, zonder afhankelijkheid van domeinlabels, de prestaties verbetert door onzekerheidsgeleide alignering van categorische verdelingen en verrijking van bronkenmerken met diverse doelstijlen om de classifier te corrigeren.
Dit paper introduceert altiro3D, een gratis bibliotheek die vanuit één afbeelding of video realistische 3D-ervaringen en lichtveld-inhoud genereert door diepteanalyse, inpainting en een 'Fast'-projectie-algoritme te combineren voor het creëren van meervoudige gezichtspunten.
Deze paper introduceert PD-REAL, een nieuw en betaalbaar 3D-dataset voor anormaliteitsdetectie op Play-Doh-objecten, en presenteert een multi-scale distillatieframework dat gebruikmaakt van RGB-D-informatie om de detectienauwkeurigheid te verbeteren ten opzichte van bestaande methoden.
Deze paper introduceert CA-Jaccard, een camera-bewuste Jaccard-afstandsmethode die de betrouwbaarheid van person re-identificatie verbetert door camera-variatie te benutten voor het selecteren van betrouwbare buren via camera-bewuste k-reciproke dichtste buren en lokale query-uitbreiding.
Het paper introduceert DivCon, een aanpak die complexe tekst-naar-beeldgeneratie verbetert door de taak op te splitsen in subtaken voor ruimtelijk redeneren en objectopbouw, waardoor lichtere modellen betere prestaties leveren dan eerdere methoden op benchmarks zoals HRS en NSR-1K.
Dit paper biedt een uitgebreid overzicht en benchmark van de nieuwste ontwikkelingen in deepfake-generatie en -detectie, waarbij het de definities, datasets, methoden en toekomstige uitdagingen op dit gebied systematisch analyseert.
De auteurs introduceren drie uitdagende testsets genaamd Hadrian, Eclipse en ND-Twins om zwakke punten in bestaande gezichtsherkenningmodellen te onthullen door te focussen op variaties in gezichtskenmerken en op elkaar lijkende personen, zonder de beeldkwaliteit kunstmatig te verlagen.
Dit paper identificeert en analyseert een 'corruptiestadium' tijdens het few-shot fine-tunen van diffusiemodellen, waarbij beeldkwaliteit tijdelijk verslechtert door een versmalde leerverdeling, en lost dit op door Bayesiaanse neurale netwerken toe te passen om de distributie te verbreden en zo de beeldkwaliteit, diversiteit en trouw te verbeteren zonder extra inferentiekosten.
Dit paper introduceert RDM, een recurrente diffusiemodel dat Normalizing Flows gebruikt om menselijke bewegingen efficiënt en langdurig te genereren op basis van tekst, zonder de hoge rekenkosten van volledige denoising-stappen.
Dit paper introduceert PiVOT, een nieuwe visuele prompting-methode voor generiek objecttracking die een voorgeïmplementerd fundamenteel model (CLIP) gebruikt om online visuele prompts te genereren en te verfijnen, waardoor het tracker-model beter in staat is om storende objecten te onderdrukken en de prestaties te verbeteren.
Dit artikel introduceert de Pose Prior Learner (PPL), een zelftoezichtende methode die een generiek houdingsvoorkennis voor objectcategorieën leert via een hiërarchisch geheugen van prototypische houdingen, waardoor de schatting van houdingen, zelfs bij occlusie, aanzienlijk wordt verbeterd zonder extra menselijke annotaties.
ExpGest is een innovatief diffusion-model dat door het synchroniseren van tekst- en audio-informatie expressieve, natuurlijke en emotioneel gecontroleerde full-body gebaren genereert, waarmee het de beperkingen van bestaande methoden die zich uitsluitend op audio en het bovenlichaam richten, overwint.
Deze studie introduceert een neurosymbolisch systeem dat medische beelden reconstrueert via visuele primitieven om transparante en nauwkeurigere diagnoses van histologische afwijkingen te leveren dan traditionele deep learning-architecturen.