7750 papers
Dit artikel introduceert de EgoCampus-dataset en het bijbehorende EgoCampusNet-model, die gebruikmaken van Meta's Project Aria-brillen om oogbewegingen van voetgangers in realistische buitenomgevingen te analyseren en te voorspellen.
Dit artikel introduceert DriverGaze360, een groot dataset met 360-graden blikrichtingdata van bestuurders en de bijbehorende DriverGaze360-Net-methode, die samen een state-of-the-art oplossing bieden voor het voorspellen van bestuurdersaandacht in een volledig omnidirectioneel rijomgeving.
Dit paper introduceert ViRC, een framework dat multimodale wiskundige redenering verbetert door het menselijke probleemoplossingsproces na te bootsen via 'Reason Chunking' in kritieke redeneereenheden, ondersteund door het CRUX-dataset en een progressieve trainingsstrategie die leidt tot een aanzienlijke prestatieverbetering van het ViRC-7B-model.
Dit artikel introduceert FluenceFormer, een transformer-gebaseerd framework dat via een twee-trapsontwerp en een fysiek geïnformeerde verliesfunctie nauwkeurige en fysisch realiseerbare fluëntiekaarten genereert voor geautomatiseerde radiotherapieplanning.
Deze paper introduceert de EPD-Solver, een nieuwe ODE-oplosser die de hoge latentie van diffusiemodellen verlaagt door parallelle gradientberekeningen en een tweestaps-optimatieframework met reinforcement learning te gebruiken om de beeldkwaliteit bij snelle generatie te behouden.
Dit artikel introduceert PhyGDPO, een framework dat gebruikmaakt van een fysiek bewust groepswijze directe voorkeursoptimalisatie en een geautomatiseerd data-construktieproces om tekst-naar-video-generatie modellen te trainen die fysieke wetten nauwkeuriger volgen dan bestaande methoden.
Het paper introduceert MorphAny3D, een trainingsvrij kader dat gebruikmaakt van gestructureerde latentrepresentaties en nieuwe attention-mechanismen om hoogwaardige, semantisch consistente en temporale gladde 3D-morphing te genereren, zelfs voor uitdagingen zoals cross-categorie-overgangen.
Het paper introduceert EmboTeam, een raamwerk dat de redeneercapaciteiten van grote taalmodellen combineert met formele planning en gedragsbomen om heterogene robotteams in staat te stellen complexe langdurige taken in huishoudelijke omgevingen succesvol en reactief uit te voeren.
Deze studie toont aan dat huidige multimodale foundation modellen moeite hebben om contextueel belangrijke momenten in voetbalvideo's te herkennen, omdat ze vaak te veel vertrouwen op één dominante modality in plaats van informatie uit meerdere bronnen effectief te synthetiseren.
Dit paper introduceert EGAgent, een agentisch raamwerk dat entiteitsscène-graafgebruikt om zeer lange, continue egocentrische video's te analyseren en zo state-of-the-art prestaties te leveren op complexe longitudinale begrijpingsopdrachten.
Dit artikel introduceert MiTA Attention, een efficiënt mechanisme dat de schaalbaarheid van Transformer-attention voor lange sequenties verbetert door een compressie-en-routing-strategie te gebruiken die een breed snel-gewicht MLP reduceert tot smaller deskundigen via een mengsel van top-k geactiveerde sleutel-waardeparen.
Het artikel introduceert DDP-WM, een efficiënt wereldmodel dat door het ontkoppelen van primaire dynamica en secundaire achtergrondupdates de inferentiesnelheid en prestaties van robotplanning aanzienlijk verbetert ten opzichte van bestaande dichte Transformer-modellen.
Dit paper introduceert Rolling Sink, een trainingsvrije methode die de train-test kloof in autoregressieve videodiffusiemodellen overbrugt door cache-beheer te optimaliseren, waardoor het mogelijk wordt om stabiele en visueel consistente video's van 5 tot 30 minuten te genereren zonder extra training.
Dit paper introduceert een uitlegbare actieve leerframework voor medische beeldanalyse dat een dual-criteria selectiestrategie combineert—onvoorspelbaarheid en afwijking van radioloog-gedefinieerde aandachtspunten—om met een beperkt aantal voorbeelden modellen te trainen die zowel nauwkeurig als klinisch interpreteerbaar zijn.
Dit artikel introduceert Pailitao-VL, een geavanceerd multi-modaal zoeksysteem voor industriële toepassingen dat door middel van een verschuiving naar absolute ID-herkenning en een geoptimaliseerde lijstwijze herordening, hoge precisie en real-time efficiëntie bereikt in complexe productieomgevingen.
Deze paper introduceert DeltaGateNet, een nieuw raamwerk dat bidirectionele temporele dynamiek en asymmetrische neurale patronen expliciet modelleert om de robuustheid en generaliseerbaarheid van EEG-gebaseerde herkenning van vermoeidheid tijdens het rijden te verbeteren.
Dit paper introduceert EA-Swin, een embeddings-agnostische Swin Transformer die, ondersteund door een nieuw benchmark-dataset van 130.000 video's, AI-genereren video's met aanzienlijk hogere nauwkeurigheid en generalisatievermogen detecteert dan bestaande methoden.
CityGuard is een privacy-bewust, grafgebaseerd transformer-framework dat door middel van verspreidingsadaptieve metrieke learning, ruimtelijk geconditioneerde attention en differentieel-private embedding maps een robuuste en schaalbare oplossing biedt voor de identiteitssuche van personen over stedelijke camera's, waarbij de balans tussen privacy en bruikbaarheid wordt gewaarborgd.
CARE is een moleculair geleide foundation model voor pathologie dat door middel van adaptieve region modeling en kruismodale uitlijning met RNA- en eiwitprofielen heterogene weefselstructuren in whole slide images effectief analyseert en hiermee met slechts een fractie van de gebruikelijke trainingsdata superieure prestaties levert op diverse diagnostische taken.
Dit paper introduceert MasqLoRA, het eerste systematische aanvalskader dat een onafhankelijke LoRA-module gebruikt om text-to-image modellen op een onopvallende manier te backdooren door een verborgen cross-modale mapping te injecteren die wordt geactiveerd door een specifieke teksttrigger.