7619 papers
Dit onderzoek toont aan dat een multimodale aanpak met GPT-4.1-nano, die zowel tekst als visuele elementen van datavisualisaties combineert, de moeilijkheidsgraad van testvragen voor data-literacy nauwkeuriger voorspelt dan enkel tekst- of visuele modellen.
In dit artikel wordt sFRC voorgesteld, een nieuwe methode die Fourier Ring Correlatie toepast op kleine patches om hallucinaties in door deep learning gereconstrueerde medische beelden te detecteren en te kwantificeren.
Dit paper introduceert PulseFocus, een trainingsvrije methode die de verspreide aandachtspatronen van redenerende visueel-taalmodellen bij multi-image taken corrigeert door het redeneringsproces te structureren in geplande focusblokken, wat leidt tot significante prestatieverbeteringen op benchmarks zoals BLINK en MuirBench.
Deze studie voert een systematische evaluatie uit van drie compressiemethoden (pruning, kwantisatie en kennisdistillatie) voor convolutionele neurale netwerken in hyperspectrale beeldclassificatie, en toont aan dat deze technieken de modelgrootte en rekentijd aanzienlijk kunnen verminderen zonder de classificatieprestaties op te offeren.
Dit onderzoek toont aan dat multimodale grote taalmodellen, hoewel veelbelovend voor videobewaking, in zero-shot settings een sterke conservatieve bias vertonen die leidt tot een instorting van de recall, maar dat deze beperkingen aanzienlijk kunnen worden verminderd door specifieke instructies te gebruiken.
Dit paper introduceert FOZO, een efficiënte, backpropagatie-vrije methode voor testtijdadaptatie die zeroth-order prompt-optimalisatie combineert met dynamisch vervagende perturbaties om deep learning-modellen succesvol aan te passen aan data-distributieveranderingen op apparaten met beperkte rekenkracht.
Dit paper introduceert Real-IISR, een unificerend autoregressief raamwerk en een nieuw realistisch dataset (FLIR-IISR) voor infraroodbeeldsuperresolutie, dat specifiek is ontworpen om de complexe degradaties in real-world scenario's aan te pakken door thermische en structurele priors te integreren.
Hoewel GPT-5 aanzienlijke vooruitgang toont in geïntegreerde klinische redenering en multimodale synthese vergeleken met GPT-4o, blijven de prestaties van dit algemene model achter bij die van gespecialiseerde systemen in perception-critical taken zoals neuroradiologie en mammografie.
Dit artikel introduceert het GAMDSS-architectuur, een innovatieve aanpak die door dynamische herselectie van sleutelframes menselijke annotatiefouten in multiculturele micro-expressiedatasets corrigeert en zo de ruimtetijdbewerking en herkenningsprestaties aanzienlijk verbetert zonder extra parameters toe te voegen.
Dit paper introduceert DSA-SRGS, het eerste super-resolutie Gaussian Splatting-framework voor dynamische DSA-reconstructie, dat middels een multi-fidelity textuurleringsmodule en radiatieve sub-pixel verdichting scherpe, gedetailleerde 4D-vasculaire modellen genereert uit schaarse inputbeelden.
Dit paper introduceert MADCrowner, een nieuw kader voor het automatisch ontwerpen van tandkronen dat door middel van een randgevoelige mesh-generatie en een gespecialiseerd segmentatienetwerk de klinische nauwkeurigheid en haalbaarheid aanzienlijk verbetert ten opzichte van bestaande methoden.
Dit paper introduceert Privacy Camera 2.0, een nieuw privacybewust waarnemingskader dat via een edge-cloud architectuur en het AI Flow-paradigma ruwe beelden in real-time omzet in wiskundig onomkeerbare abstracte vectorrepresentaties, waardoor gedetailleerde gedragsanalyse en visuele reconstructie mogelijk zijn zonder de oorspronkelijke privacygevoelige beelden te onthullen.
Dit paper introduceert RMK RetinaNet, een robuuste detector voor geroteerde objecten in satellietbeelden die vier innovatieve componenten combineert om de beperkingen op het gebied van adaptieve receptieve velden, multi-schaal feature fusion, ruimtelijke details en hoekregressie aan te pakken.
Dit paper introduceert LAW & ORDER, een adaptief ruimtelijk wegingssysteem dat de prestaties van medische diffusiemodellen en segmentatienetwerken verbetert door dynamisch computerruimtelijke middelen toe te wijzen aan onzekere gebieden, wat leidt tot aanzienlijke verbeteringen in generatieve kwaliteit en segmentatie-accuraatheid op polyp- en niertumordatasets.
Dit reviewartikel vergelijkt traditionele methoden met deep learning voor de segmentatie en classificatie van hersengliomen na MRI-opnames en concludeert dat convolutionele neurale netwerken over het algemeen superieure prestaties leveren.
Dit paper introduceert MASQuant, een nieuw post-training kwantisatiekader voor multimodale grote taalmodellen dat modale specifieke gladmakingsfactoren en cross-modale compensatie via SVD-witmaking combineert om de uitdagingen van modale onbalans en computationele invariance effectief aan te pakken.
Dit paper introduceert Diffusion Contrastive Reconstruction (DCR), een methode die contrastieve signalen uit gereconstrueerde afbeeldingen integreert in het diffusiemodel om de discriminatieve en detailperceptieve vaardigheden van CLIP te balanceren en zo de visuele representatie te verbeteren.
Dit artikel introduceert Meta-D, een architectuur die MRI-metagegevens zoals sequentie en oriëntatie benut om de prestaties van hersentumor-analyse te verbeteren en robuuste segmentatie mogelijk te maken bij het ontbreken van beeldmodi.
Dit artikel toont aan dat een lichtgewicht model, getraind op een klein, hoogwaardig dataset met gepolariseerde beelden en verrijkt met DINOv3-priors en sensorbewuste augmentatie, de prestaties van zware RGB-only vision foundation modellen voor oppervlaktenormaal-schatting overtreft, waardoor de noodzaak van gespecialiseerde hardware voor polarisatie wordt herbevestigd ondanks de beperkte trainingsdata.
Dit paper introduceert het CAD-framework, een nieuwe methode die instance-entangling in instance-afhankelijk partiële label-leerproblemen aanpakt door intra- en inter-class regulaties te combineren om de klasgrenzen te verduidelijken en de prestaties te verbeteren.