6311 papers
ButterflyViT is een nieuwe methode die Vision Transformers voor randapparatuur mogelijk maakt door experts te behandelen als geometrische herschikkingen van een gedeelde quantized substraat, wat resulteert in een 354-voudige vermindering van het geheugengebruik bij 64 experts met verwaarloosbaar verlies aan nauwkeurigheid.
Deze paper introduceert XMACNet, een lichtgewicht en verklaarbaar CNN-model dat zichtbare beelden en vegetatie-indexen combineert via zelf-attention en multi-modale fusie om chili-ziekten nauwkeurig te detecteren en te visualiseren voor toepassing in de precisielandbouw.
Dit paper introduceert EarthBridge, een hoogwaardig framework voor cross-modale beeldvertaling tussen EO-, IR- en SAR-sensoren dat gebruikmaakt van Diffusion Bridge Implicit Models en Contrastive Unpaired Translation om de tweede plaats te behalen in de 4th Multi-modal Aerial View Image Challenge.
Het artikel introduceert HiDE, een hiërarchisch model voor geleerde afbeeldingscompressie dat externe priors via een gestructureerde tweelaagse woordenboekretrieval en een contextbewuste schatter efficiënter benut dan bestaande methoden, wat leidt tot aanzienlijke bitrate-reducties.
Dit artikel presenteert een hybride machine learning-model dat MRI-beelden verwerkt via een combinatie van CNN-architecturen (VGG19, EfficientNet en ResNet50) en een Bi-LSTM-classificatie, waardoor een nauwkeurigheid van 98,83% wordt bereikt voor de vroege detectie van cerebrale parese bij pasgeborenen.
Dit artikel onthult dat modellen die hun redenering consistent houden met visuele input tijdens lange taken (gemeten via Step Grounding Rate) beter generaliseren naar onbekende situaties dan modellen die alleen op de eindnauwkeurigheid worden beoordeeld.
Dit paper introduceert MotionBits, een semantiek-onafhankelijk concept voor het segmenteren van bewegende stijve lichamen op basis van kinematische twist-equivalentie, en presenteert het MoRiBo-benchmark en een leervrije grafische methode die de staat-der-techniek overtreft voor robuuste fysieke interactie-analyse in robotica.
Dit artikel introduceert Perturbed Gaussian Ensemble, een actief beeldselectieframework dat onzekerheidsmodellering en sequentiële besluitvorming combineert om de kwaliteit van reconstructies bij schaarse CT-beelden te verbeteren door de meest informatieve X-ray-weergaven te selecteren.
Dit artikel introduceert een uitgebreid topologisch model dat een 3-variëteit en disjuncte cirkels identificeert om de structuur van hoog-contrast optische stroom te verklaren, waarbij wordt aangetoond dat de meest contrastrijke patronen zich nabij bewegingsgrenzen bevinden in plaats van op het eerder voorgestelde torusmodel.
Dit paper introduceert ColonSplat, een dynamisch Gaussian Splatting-framework dat de peristaltische beweging tijdens colonoscopie nauwkeuriger reconstrueert dan bestaande methoden, ondersteund door een nieuw synthetisch dataset genaamd DynamicColon.
Dit paper introduceert IGLU, een nieuwe parametrische activeringsfunctie die voortkomt uit een schaalmengsel van GELU-poorten met een Cauchy-gebaseerde poort, en die door zijn zware staart en efficiënte benadering (IGLU-Approx) superieure of vergelijkbare prestaties levert ten opzichte van bestaande functies zoals ReLU en GELU, met name op onbalans datasets.
Deze paper introduceert een hardware-efficiënt raamwerk dat een Dual-Transformer-Cascaded-architectuur combineert met omgevingspriors om de landingspunten van vliegende objecten, zoals tennisballen, nauwkeuriger te voorspellen dan bestaande methoden.
Het paper introduceert PICS, een zelftoezicht-gebaseerde methode die gebruikmaakt van een Interaction Transformer met maskergestuurde Mixture-of-Experts en adaptieve α-blending om coherentie en fysieke consistentie te behouden bij het parallelle compositen van objecten in afbeeldingen.
Dit paper introduceert OPTED, een open-source, voorverwerkte dataset voor trachoomclassificatie die is gegenereerd met behulp van een reproduceerbare zero-shot SAM 3-pijplijn om de schaarsheid aan data uit de zwaarst getroffen regio's aan te pakken.
Dit paper introduceert een nieuwe data-augmentatiemethode die Large Language Models stimuleert om CAD-programma's te genereren op basis van referentieoppervlakken en modelleringprocedures, waardoor de geometrische diversiteit en de overeenkomst met industriële ontwerpen aanzienlijk worden verbeterd.
Het paper introduceert PaQ-DETR, een nieuw objectdetectie-framework dat de beperkingen van vaste queries oplost door dynamische, beeldspecifieke queries te genereren op basis van gedeelde patronen en een kwaliteitsbewuste toewijzingstrategie, wat leidt tot significante prestatieverbeteringen op diverse benchmarks.
Het paper introduceert DLRMamba, een efficiënte methode voor objectdetectie in multispectrale beelden op randapparatuur die parameterredundantie in Mamba-modellen oplost door middel van een laag-rang 2D selectieve scan en structurele distillatie, waardoor een superieur evenwicht tussen rekenefficiëntie en detectienauwkeurigheid wordt bereikt.
Dit artikel presenteert ESM-YOLO+, een lichtgewicht netwerk voor de detectie van kleine objecten in zichtbare en infrarood afbeeldingen dat gebruikmaakt van een masker-gebaseerde fusiemodule en structurele versterking tijdens training om de nauwkeurigheid te maximaliseren terwijl de modelcomplexiteit aanzienlijk wordt verlaagd.
Dit paper introduceert HIERAMP, een methode die de hiërarchische semantiek van objecten benut door middel van een grof-naar-fijn autoregressieve versterking via VAR-modellen om effectievere generatieve datasetdistillatie te bereiken.
Deze studie presenteert een analytische pijplijn die 3D-histomorfometrische kenmerken van perineurale en lymfovaskulaire invasie in prostaatkanker extrahert uit optisch opgehelderde weefselmonsters, en toont aan dat deze 3D-kenmerken een betere voorspelling van biochemische recidieven bieden dan traditionele 2D-metingen.