3880 papers
Dit paper introduceert FedEU, een federatief leerframework dat evidentiële onzekerheid en client-specifieke kenmerkembeddings gebruikt om betrouwbare en robuuste segmentatie van remote sensing-beelden te bereiken door onzekere lokale updates te identificeren en adaptief te aggregeren.
Deze paper introduceert EVLF, een plug-and-play methode voor vroege visueel-taal fusie die de dominantie van tekstuele prompts in diffusion-based dataset distillatie oplost door vroege alignering van visuele en tekstuele embeddings, wat resulteert in synthetische data met hogere semantische trouw en betere downstream classificatieprestaties.
Deze paper introduceert een Multi-Modal Decouple and Recouple Network dat robuuste 3D-objectdetectie bereikt onder data-corruptie door BEV-kenmerken van camera en LiDAR expliciet te ontleden in modale-invariante en modale-specifieke componenten, die vervolgens via gespecialiseerde experts en adaptieve fusie worden hergecombineerd.
Dit paper introduceert RobustSCI, een baanbrekende aanpak voor snapshot-compressieve beeldvorming die de focus verschuift van reconstructie naar restauratie om video's te herstellen uit realistisch verslechterde metingen, zoals vervaging en weinig licht, door middel van een nieuw netwerkarchitectuur en een uitgebreid benchmark.
Het artikel introduceert RayD3D, een methode die dieptekennis via stralen distilleert om de robuustheid van multi-view 3D-objectdetectie in autonome voertuigen te verbeteren door irrelevante LiDAR-informatie te minimaliseren zonder de inferentiekosten te verhogen.
DocCogito is een nieuw raamwerk voor documentbegrip dat globale lay-outperceptie koppelt aan gestructureerde, regio-gebaseerde redenering via een deterministische Visual-Semantic Chain en een progressieve trainingsmethode, wat leidt tot state-of-the-art resultaten op meerdere benchmarks.
Dit paper introduceert AMR-CCR, een verankerd modulair ophaalframework dat continu Chinees schriftherkenning mogelijk maakt door nieuwe klassen dynamisch toe te voegen via een gedeelde multimodale ruimte, en presenteert EvoCON als een nieuw benchmark voor deze taak.
Dit paper introduceert een raamwerk voor skelet-latente diffusie dat structurele priors gebruikt om hoogwaardige en efficiënte generatie van medische anatomische vormen mogelijk te maken, ondersteund door een nieuw groot dataset genaamd MedSDF.
Dit paper toont aan dat driftmodellen een exacte score-matching formulering zijn op gekernelde verdelingen, waarbij de relatie met diffusion-modellen en Distribution Matching Distillation wordt verduidelijkt en de nauwkeurigheid voor Laplace-kernen wordt bewezen.
Het artikel introduceert EvolveReason, een zelf-evoluerend paradigma dat door middel van mensachtig redeneren, een specifiek dataset en een latent-space module de nauwkeurigheid en betrouwbaarheid van uitlegbaar deepfake-gezichtherkenning verbetert.
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 ACCURATE, een robuust 3D-reconstructieframework dat een segmentatie-neuraal netwerk combineert met een geometrie-gedwongen topologietraversie en dynamisch programmeren om de nauwkeurige reconstructie van willekeurig gevormde, langwerpige continuumbogen, zoals gidsdraden en katheters, mogelijk te maken onder klinische X-ray C-arm-systemen.
Deze paper introduceert een semantisch-geometrisch raamwerk dat de absolute schaal van UAV-beelden schat met behulp van voertuigen als referentie, waardoor de robuustheid van cross-view geo-localisatie tussen UAV- en satellietbeelden aanzienlijk wordt verbeterd door schaalconsistentie te herstellen.
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.
CONSTANT is een nieuwe methode voor één-op-een handschriftdirectie die gebruikmaakt van een diffusion-model met patch-contrastversterking en stijl-bewuste kwantisatie om realistische en gedetailleerde handschriftdoelen te genereren die zich aanpassen aan complexe schrijfstijlen.
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.
ReconDrive is een voorspellend framework dat de 3D-fundatiemodel VGGT uitbreidt met hybride Gaussische voorspellingskoppen en een statisch-dynamische 4D-samenstellingsstrategie om snelle, hoogwaardige 4D-Gaussian Splatting-reconstructies voor autonome rijscènes te genereren, waarmee het de snelheid van bestaande methoden combineert met de kwaliteit van per-scene optimalisatie.
Dit artikel introduceert een actief inferentie-framework voor het herkennen van micro-gesten, dat gebruikmaakt van EFE-gestuurde temporele bemonstering en adaptief leren om de prestaties te verbeteren bij lage steekproefomvang, ruis en variabiliteit tussen gebruikers.
Dit paper introduceert PureCC, een nieuwe methode voor tekst-naar-afbeelding conceptaanpassing die door middel van een ontkoppelde leerdoelstelling en een dubbel-tak trainingspijplijn hoogwaardige personalisatie mogelijk maakt zonder de oorspronkelijke vaardigheden van het model te verstoren.
Brain-WM is een pionierende wereldmodel-architectuur die een Y-vormige Mixture-of-Transformers structuur gebruikt om de co-evolutie van glioblastomen en behandelingen te modelleren door toekomstige MRI-beelden en behandelingsplannen gezamenlijk te genereren, waardoor de klinische uitkomsten voor patiënten kunnen worden geoptimaliseerd.