9124 papers
Deze paper introduceert een nieuw pseudo-3D longitudinaal inpainting-framework voor hersen-MRI's op basis van 3D-regiebewuste diffusiemodellen, dat pathologische laesies effectief wegneemt terwijl het de anatomische continuïteit behoudt en aanzienlijk sneller en nauwkeuriger presteert dan bestaande methoden.
Het paper introduceert MultiHaystack, een nieuw benchmark met meer dan 46.000 multimodale documenten, afbeeldingen en video's om de prestaties van multimodale grote taalmodellen te evalueren bij het ophalen van relevante bewijsstukken uit grote verzamelingen en het redeneren daarover, waarbij blijkt dat de huidige modellen sterk presteren bij gegeven bewijs maar aanzienlijk falen bij het zelf vinden van dat bewijs.
Deze paper introduceert een interpreteerbaar framework voor audiovisuele geografische locatie dat een nieuw wereldwijd videobenchmark (AVG) combineert met een driedelige aanpak van perceptie, redenering en precisievoorspelling om de ambiguïteit van visuele landschappen te overwinnen door geluidssignalen effectief te benutten.
Het paper introduceert Any2Full, een efficiënt en robuust één-staps framework dat bestaande monokulaire dieptemodellen aanpast via schaalbewuste prompts om nauwkeurige en dichte dieptekaarten te genereren vanuit onvolledige metingen zonder de beperkingen van eerdere twee-staps methoden.
Deze paper introduceert een lichtgewicht en interpreteerbaar framework dat 2D- en 3D-DHoGM-kenmerken combineert voor het nauwkeurig detecteren van bewegingsartefacten in T1-gewogen hersen-MRI-scans, wat leidt tot een robuuste en computerefficiënte oplossing voor geautomatiseerde kwaliteitscontrole in zowel bekende als onbekende klinische settings.
Dit artikel introduceert een geautomatiseerd, mensvrij proces dat de ImageNet-trainingset omzet naar een meervoudige-labeldataset met behulp van zelftoezichtende Vision Transformers, wat leidt tot robuustere modelrepresentaties en aanzienlijke prestatieverbeteringen op diverse benchmarks.
Dit paper presenteert een CLIP-gebaseerd multimodaal kader dat chirurgische video's automatisch omzet in gestructureerde tijdlijnen en narratieven, waardoor de noodzaak van tijdrovende handmatige annotatie of vage postoperatieve rapporten wordt verminderd.
Uni-LVC is een geünificeerde methode voor geleerde videocompressie die binnen één model zowel intra- als inter-codering ondersteunt door inter-codering te modelleren als aan tijdsinformatie voorafgaande intra-codering, waardoor robuustheid bij onbetrouwbare referenties en superieure prestaties worden bereikt.
In dit paper presenteren de auteurs Icarus, een all-weather hemelmodel dat via deep learning full dynamic range omgevingenkaarten genereert met ongeëvenaarde nauwkeurigheid, fotorealisme en controle over zon- en wolkenformaties voor Image Based Lighting.
Dit paper introduceert SCORE, een methode die subruimte-conflicten tussen modellen op verschillende domeinen oplost door een gedeelde orthogonale basis te vinden en diagonale componenten te verwijderen, waardoor de domein-generalisatie aanzienlijk wordt verbeterd ten opzichte van bestaande modelmerging-technieken.
Het paper introduceert LayerBind, een trainingsvrije methode voor Diffusion Transformers die door het modelleren van regionale generatie als distincte lagen en het binden daarvan tijdens het generatieproces, nauwkeurige controle biedt over de lay-out en het occlusie-ordening van afbeeldingen zonder kwaliteitsverlies.
Het paper introduceert BM25-V, een methode die Okapi BM25-scoring toepast op visuele woorden gegenereerd door een Sparse Auto-Encoder om een interpreteerbare en efficiënte eerste-fase beeldretrieval te realiseren die na herschikking bijna dezelfde nauwkeurigheid bereikt als dichte methoden.
Dit paper introduceert een spectraal diagnostisch raamwerk om te laten zien dat bij 2D-naar-3D-scèneherconstructie het behoud van spectrale consistentie in feature-upsamplers belangrijker is voor reconstructiekwaliteit dan het verbeteren van ruimtelijke details.
Dit artikel introduceert EventGeM, een state-of-the-art systeem voor plaatsherkenning op basis van event-camera's dat globale en lokale kenmerken combineert met diepteanalyse om real-time, robuuste lokalisatie te bereiken in diverse omstandigheden.
Dit paper introduceert LIPAR, een trainingsvrij kader dat de rekentijd voor videogeneratie verlaagt door tijdsredundantie in latente patches te omzeilen en een nieuwe Attention Recovery-mechanisme te gebruiken om visuele artefacten te voorkomen, waardoor de doorvoer met 1,45 keer toeneemt zonder kwaliteitsverlies.
Dit paper introduceert MaCS, een eenvoudige en architectuuronafhankelijke regularisatiemethode die de kalibratie en robuustheid van diepe visiemodellen verbetert door logit-marges te vergroten en voorspellingconsistentie onder lichte verstoringen te handhaven, zonder extra data of architecturale wijzigingen.
Dit artikel introduceert een unificerend architecturaal raamwerk dat door middel van enkelvoudige, fysisch consistente beeld-Stokes-verwerking state-of-the-art prestaties bereikt bij het herstellen van gepolariseerde beelden die lijden aan diverse degradaties zoals ruis, bewegingsonscherpte en mosaïekartefacten.
Deze studie presenteert een deep ensemble learning-methode die CNN's en Vision Transformers combineert via vier onafhankelijke fusiemodellen om de classificatie van remote sensing-beelden te verbeteren en tegelijkertijd een prestatieknelpunt door redundante kenmerken te overwinnen.
Het artikel introduceert Cog2Gen3D, een diffusion-framework dat semantische en absolute geometrische cognitie combineert via een cognitieve latent-grafiek om fysiek plausibele en structureel rationele 3D-generaties te realiseren die de bestaande methoden overtreffen.
VS3R is een nieuw framework dat feed-forward 3D-reconstructie combineert met generatieve videodiffusie om robuuste, volledige-frame video-stabilisatie te bereiken die zowel geometrische stabiliteit als visuele consistentie garandeert.