1871 papers
HiconAgent is een nieuwe GUI-agent die met de History Context-aware Policy Optimization (HCPO) methode, bestaande uit Dynamische Context Sampling en Anker-gestuurde Historiecompressie, historische context efficiënter gebruikt dan bestaande modellen, wat leidt tot betere prestaties en aanzienlijke reducties in rekenkosten.
In dit paper wordt MAViD voorgesteld, een innovatief multimodaal raamwerk met een Conductor-Creator-architectuur dat geïntegreerde audio-visual dialogue-understanding en -generatie mogelijk maakt door autoregressieve en diffusiemodellen te combineren voor het creëren van levendige, contextueel samenhangende en langdurige interacties.
Deze paper introduceert het concept van een "informatiehorizon" in Vision Large Language Models, waarbij visuele tokens in diepere lagen hun relevantie verliezen en willekeurige pruning in deze lagen de inferentie-efficiëntie aanzienlijk verbetert zonder de prestaties te schaden.
Deze paper introduceert MaGRoad, een padgerichte methode voor robuuste extractie van wegnetwerken in off-road omgevingen, en presenteert tegelijkertijd het WildRoad-dataset om de bestaande beperkingen van bestaande modellen op te lossen.
Dit paper introduceert een tweestaps generatief data-augmentatieframework dat regelgebaseerde maskervervorming combineert met GAN-gebaseerde beeld-naar-beeld vertaling om effectieve gemaskerde gezichtsdetectie en -herkenning mogelijk te maken met een zeer kleine dataset, terwijl het ook de beperkte academische en financiële omstandigheden achter de totstandkoming van het werk belicht.
Dit artikel introduceert SALVE, een unificerend raamwerk dat mechanische interpreteerbaarheid en modelbewerking combineert door middel van een sparse autoencoder en Grad-FAM om neurale netwerken te ontdekken, valideren en permanent te controleren via precisie-ingrepen in de gewichtenruimte.
Het paper introduceert ReMeDI-SAM3, een trainingsvrije uitbreiding van SAM3 die door middel van relevante geheugenfiltering, interpolatie en tijdsgebonden re-identificatie de nauwkeurigheid van chirurgische instrumentsegmentatie in endoscopie significant verbetert, zelfs bij frequente occlusies.
Deze studie toont aan dat de discrepantie tussen objectieve metingen en subjectieve waarneming van stedelijke groenruimtes wereldwijd vergelijkbaar is en voornamelijk wordt beïnvloed door de woonlocatie en visuele factoren, terwijl demografische kenmerken en persoonlijkheid slechts een beperkte rol spelen.
Dit paper introduceert Re-Depth Anything, een testtijd-framework dat monokulaire diepsschatting verbetert door foundation modellen te combineren met grote 2D-diffusiemodellen via zelftoezicht op basis van hersynthese van belichting en Shape-from-Shading, zonder labels te vereisen.
Dit paper introduceert VOIC, een nieuw dual-decoder framework dat camera-gebaseerde 3D semantische scène-completie verbetert door zichtbare en verduisterde gebieden expliciet te ontkoppelen, waardoor de interferentie tussen hoge en lage betrouwbaarheidsregio's wordt verminderd en state-of-the-art resultaten worden behaald op benchmarks zoals SemanticKITTI.
Deze studie introduceert een uiterst efficiënt en nauwkeurig deep learning-framework voor MRI-superresolutie, genaamd Efficient Vision Mamba, dat door middel van een hybride selectieve scanning en een lichtgewicht architectuur met slechts 0,9 miljoen parameters aanzienlijk betere beeldkwaliteit levert dan bestaande methoden, waardoor het grote potentieel heeft voor klinische toepassing.
Dit paper introduceert DrivingGen, het eerste uitgebreide benchmarkkader voor generatieve wereldmodellen in autonoom rijden, dat een diverse dataset en nieuwe meetmaten combineert om de prestaties van bestaande modellen op het gebied van visuele realisme, trajectplausibiliteit, temporele coherentie en controleerbaarheid te evalueren.
Dit artikel presenteert een lichtgewicht, twee-traps vision-language framework dat Swin Transformer en T5 combineert voor uitlegbare visuele vraag-antwoordtaken bij gewasziektes, waarbij hoge nauwkeurigheid en generalisatie worden bereikt op de CDDM- en PlantVillageVQA-datasets.
Deze paper introduceert R^4, een zelfverbeterend agentisch framework dat medische beeldanalyse verbetert door het werkproces te ontleden in vier gecoördineerde agenten (Router, Retriever, Reflector en Repairer), waardoor de betrouwbaarheid en ruimtelijke nauwkeurigheid van visueel-taalmodellen voor het genereren van rapporten en detectie van afwijkingen aanzienlijk stijgt zonder gradient-based fine-tuning.
Dit onderzoek onthult dat de LAION-Aesthetics Predictor, een veelgebruikt model voor het beoordelen van beeldkwaliteit, systematische vooroordelen vertoont die de westerse en mannelijke blik versterken door afbeeldingen met vrouwelijke of niet-westerse elementen te discrimineren, en pleit voor een verschuiving naar meer pluriforme evaluatiemethoden.
Dit paper introduceert S2DiT, een efficiënt 'sandwich' Diffusion Transformer-model dat door middel van innovatieve attention-mechanismen en distillatie real-time, hoogwaardige video's genereert op mobiele apparaten met prestaties die vergelijkbaar zijn met servermodellen.
Het artikel introduceert ReViP, een nieuw VLA-framework dat de foutieve taakvoltooiing in robotmanipulatie vermindert door een onbalans tussen visuele en proprioceptieve signalen te corrigeren via progressiebewuste visuele aanwijzingen, wat resulteert in een aanzienlijke verbetering van de robuustheid en het succespercentage.
In dit artikel wordt ScenePilot-Bench geïntroduceerd, een uitgebreid benchmark- en datasetkader dat is ontworpen om de prestaties van vision-language modellen te evalueren in autonome rijscenario's aan de hand van een veerassessessiesysteem dat zich richt op situatiebegrip, ruimtelijke perceptie, bewegingsplanning en veiligheid.
Deze paper introduceert QSTar, een nieuwe methode voor Audio-Visuele Vraagbeantwoording die vraaggestuurde aanwijzingen en frequentiedomein-kenmerken van audio combineert met ruimtelijke en temporele perceptie om de gezamenlijke redenering over audio, video en tekst aanzienlijk te verbeteren.
Dit paper introduceert MeanCache, een trainingsvrij caching-framework dat Flow Matching-inferentie versnelt door in plaats van momentane snelheid gemiddelde snelheden te gebruiken via Jacobiaan-vectorproducten, wat leidt tot aanzienlijke versnelling (tot 4,56x) en verbeterde kwaliteitsbehoud bij generatieve modellen zoals FLUX.1 en HunyuanVideo.