6482 papers
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.
Dit artikel introduceert viCT, een methode die monocular endoscopische video gebruikt om een virtuele intraoperatieve CT te genereren die de anatomie tijdens endoscopische sinusoperaties dynamisch bijwerkt, waardoor de beperkingen van statische preoperatieve beelden worden overwonnen met submillimeter nauwkeurigheid.
Dit paper introduceert SurgCUT3R, een raamwerk dat monocular endoscopische video's omzet in robuuste 3D-scheurherstellingen door een data-generatiepijplijn, hybride supervisie en een hiërarchische inferentie aan te bieden om de beperkingen van bestaande modellen op het gebied van gebrek aan trainingsdata en pose-drift te overwinnen.
Dit paper introduceert Conditional Unbalanced Optimal Transport (CUOT), een robuust raamwerk voor conditionele generatieve modellering dat de gevoeligheid voor uitbijters in klassieke methoden oplost door de distributievastleggingsbeperkingen te versoepelen via Csiszár-divergentiestraffen, wat resulteert in een efficiënt en nauwkeurig model voor het genereren van data.
Dit paper introduceert T2SGrid, een nieuw raamwerk dat video-temporele grondvesting verbetert door tijdssequenties om te vormen naar gestructureerde 2D-gridbeelden, waardoor complexe temporele dynamiek effectiever kan worden begrepen dan met bestaande methoden.
Dit artikel presenteert een methode voor beeldgebaseerde vormretrieval die gebruikmaakt van vooraf uitgelijnde multi-modale encoders en een hard contrastief verlies om state-of-the-art prestaties te bereiken zonder dat view-synthese of hertraining op de doel-database nodig is.
Dit paper introduceert een perceptiebewust multimodaal redeneringsframework dat Vision-Language Models versterkt met object-gerichte grounding via visuele referentietokens en een Multimodal Chain-of-Thought-dataset, waardoor aanzienlijke verbeteringen worden behaald in ruimtelijk redeneren uit monoculaire beelden voor autonoom rijden.
Dit paper introduceert ADAS-TO, het eerste grote, openbare multimodale dataset dat zich richt op natuurlijke overnames van ADAS naar handmatige besturing, en biedt empirische inzichten in de dynamiek van kritieke situaties die aantonen dat visuele waarschuwingen vaak eerder mogelijk zijn dan kinematische triggers.
Dit paper introduceert MipSLAM, een frequentiebewust 3D-Gaussian-Splatting-SLAM-kader dat aliasing-artefacten en trajectdrift effectief aanpakt door een elliptisch adaptief anti-aliasing-algoritme en spectrale pose-grafoptimalisatie, wat resulteert in state-of-the-art weergavekwaliteit en lokaliseringsnauwkeurigheid.
AdaGen introduceert een leerbaar, adaptief framework dat het iteratieve proces van beeldsynthese optimaliseert door een beleidsnetwerk te trainen via versterkingsleer met een adversariële beloning, waardoor de prestaties van diverse generatieve modellen aanzienlijk worden verbeterd en de inferentiekosten worden verlaagd.