3310 papers
DenoiseSplat is een feed-forward methode voor 3D Gaussian Splatting die robuuste 3D-scèneherconstructie mogelijk maakt uit ruisige multi-view beelden door te trainen op een groot schaalbaar benchmark met synthetische ruis, zonder gebruik te maken van 3D-ground truth.
Dit paper introduceert See, Plan, Rewind (SPR), een vooruitgangsgevoelig vision-language-action-framework dat robuuste robotmanipulatie bereikt door taken te onderbreken in verifieerbare mijlpalen en automatisch terug te keren naar een herstelpunt bij fouten, wat resulteert in state-of-the-art prestaties en generalisatie op uitdagende benchmarks.
IntroSVG is een nieuw kader dat de kwaliteit van tekst-naar-SVG-generatie verbetert door een introspectieve generator-critic-structuur te gebruiken die visuele feedback van het gerenderde resultaat integreert via een iteratief 'genereren-beoordelen-verfijnen'-proces.
Het artikel introduceert CLoE, een consistentiegedreven raamwerk dat de segmentatieprestaties bij ontbrekende medische beeldmodaliteiten verbetert door experts op besluit- en regienniveau tot overeenstemming te brengen en modale betrouwbaarheid dynamisch te wegen.
NLiPsCalib is een efficiënt kalibratiekader dat gebruikmaakt van Near-Light Photometric Stereo en controllable lichtbronnen om de 3D-reconstructie van gebogen visuo-tactiele sensoren te verbeteren zonder dure of arbeidsintensieve procedures.
Deze paper introduceert SpaceSense-Bench, een groot-schalig meer-modale benchmark met 136 satellietmodellen en nauwkeurige ground-truth annotaties gegenereerd in Unreal Engine 5, die dient om spacecraft-perceptie en pose-schatting te evalueren en aantoont dat het vergroten van de trainingsdiversiteit cruciaal is voor het verbeteren van prestaties op nieuwe doelen.
Dit paper introduceert OddGridBench, een nieuwe benchmark die aantoont dat multimodale grote taalmodellen tekortschieten in het detecteren van fijne visuele verschillen, en stelt OddGrid-GRPO voor, een versterkingsleerframework dat deze vaardigheid aanzienlijk verbetert.
Dit paper introduceert de STAR-benchmark, een multi-agent evaluatiekader dat het strategische redeneren en snelle besluitvorming van grote taalmodellen in nul-som omgevingen test, waarbij een significante kloof wordt blootgelegd tussen diep redeneren en effectieve uitvoering onder tijdsdruk.
Dit paper introduceert Predictive Spectral Calibration (PSC), een bronvrij framework dat bestaande subspace-alignment-methoden voor testtijd-adaptatie in beeldregressie uitbreidt door blokspectrale matching toe te passen, wat leidt tot consistente prestatieverbeteringen onder zware distributieveranderingen.
Deze paper introduceert een robuust en wiskundig bewezen veilig beeldsteganografisch kader dat via iteratieve optimalisatie in de latentruimte de extractie van berichten verbetert zonder de beveiliging te verstoren.
Dit artikel introduceert EPPINN, een nieuw raamwerk dat bewijskrachtig diep leren combineert met physics-informed neural networks om de nauwkeurigheid en betrouwbaarheid van perfusieparameter-schattingen bij acute ischemische beroertes te verbeteren door zowel aleatorische als epistemische onzekerheid te kwantificeren zonder Bayesiaanse steekproeven.
Dit paper introduceert M3GCLR, een speltheoretisch contrastief leerframework dat een oneindig skelet-data-spel en een dual-loss optimizer gebruikt om de beperkingen van bestaande zelftoezichtmethoden voor skeletgebaseerde actieherkenning te overwinnen en state-of-the-art prestaties op meerdere benchmarks te bereiken.
Deze paper introduceert MIL-PF, een schaalbaar framework dat voorgecomputeerde features van gefixeerde foundation-modellen combineert met een lichtgewicht Multiple Instance Learning-kop om mammografie-classificatie efficiënt en nauwkeurig te maken zonder de zware backbones opnieuw te hoeven trainen.
SinGeo is een innovatief raamwerk dat een enkel model in staat stelt om robuuste cross-view geo-localisatie te bereiken door middel van een dubbel discriminatief leerproces en curriculum learning, waardoor het de huidige state-of-the-art prestaties overtreft en de noodzaak voor meerdere modellen elimineert.
Het artikel introduceert EventVGGT, een nieuw raamwerk dat voor het eerst ruimtelijk-temporele en multi-view geometrische prioren distilleert vanuit de Visual Geometry Grounded Transformer (VGGT) naar het event-domein via een drievoudige distillatiestrategie, waardoor de temporele consistentie en nauwkeurigheid van monocular event-based diepteschatting aanzienlijk wordt verbeterd.
Dit paper introduceert MIDAS, een trainingsvrij diffusion-gebaseerd raamwerk voor coverless steganografie dat via latente fusie en een willekeurige basis-mechanisme veilige toegang tot meerdere verborgen afbeeldingen mogelijk maakt voor specifieke gebruikers.
Dit rapport presenteert de ICDAR 2025 competitie voor end-to-end machinevertaling van documentafbeeldingen met complexe lay-outs, waarbij 69 teams deelnamen aan twee tracks (OCR-vrij en OCR-gebaseerd) en de resultaten aantonen dat grote modellen een veelbelovend paradigma vormen voor dit domein.
Dit paper introduceert YOLO-NAS-Bench, het eerste surrogaat-benchmark voor YOLO-architectuuroptimalisatie, dat een zelfevoluerend voorspellermechanisme gebruikt om de evaluatiekosten drastisch te verlagen en tegelijkertijd superieure detectiearchitecturen te ontdekken die de officiële YOLO-baselines overtreffen.
Dit paper introduceert FCDM, een volledig convolutiegebaseerd diffusiemodel dat ConvNeXt herintroduceert als een uiterst efficiënt alternatief voor Transformer-architecturen, waarbij het met slechts 50% van de FLOPs en aanzienlijk minder trainingsstappen vergelijkbare prestaties levert.
Dit paper introduceert RiO-DETR, de eerste real-time DETR-architectuur voor georiënteerde objectdetectie die specifieke uitdagingen zoals hoekperiodiciteit en convergentie oplost door middel van nieuwe ontwerpen zoals content-gedreven hoekschatting en ontkoppelde periodieke verfijning, waardoor een nieuwe snelheid-nauwkeurigheidswisselwerking wordt bereikt.