2403 papers
Dit artikel introduceert Cross-granularity Ranking Uncertainty (CRU), een lichtgewicht framework dat direct de retrieval-onzekerheid schat vanuit discrepanties in de ranking-ruimte tussen globale en lokale matching-distributies om foutdetectie, kalibratie en selectieve voorspelling in beeld-tekst retrieval te verbeteren zonder dat meerdere forward passes vereist zijn.
Dit artikel introduceert LarvaFormer, een nieuw hybride deep learning-framework dat CNN's en Vision Transformers combineert met gespecialiseerde aandachtmechanismen, wat een staat van dienst van de beste nauwkeurigheid bereikt in geautomatiseerde classificatie van muggenlarven om snelle en milieuvriendelijke ziektebestrijding mogelijk te maken.
Dit artikel stelt een lichtgewicht, nauwkeurig model voor voor de detectie van oppervlaktefouten in metaalstrips, genaamd YOLOv5s-SC2, dat architecturale verbeteringen zoals SAC en RepGFPN integreert om een mAP van 84,3% op de NEU-DET-dataset te bereiken en LAMP-pruning gebruikt om de modelgrootte en computationele kosten aanzienlijk te verminderen voor efficiënte edge-implementatie met minimaal verlies van nauwkeurigheid.
PolicyFaultBench is een op mutaties gebaseerde benchmark die tool-gebruikende AI-agenten valideert door rigoureus de runtime policy-bemiddeling en conformiteit van de voorstelinterface te testen, waarbij wordt onthuld dat hoewel agenten een hoge executie-succesratio kunnen bereiken, ze nog steeds kunnen falen op strikte acceptatiecriteria door subtiele interface-afwijkingen die gerichte sondes vereisen om te detecteren.
Dit artikel introduceert YOLO11m-opt, een geoptimaliseerd objectdetectiemodel dat een hoogprecisie-identificatie van 36 soorten parasitische wespen uit goedkope microscopiebeelden bereikt door gespecialiseerde architecturale verbeteringen en een aangepaste dataset te integreren, waardoor geautomatiseerde, expert-onafhankelijke taxonomische analyse voor agrarische en ecologische toepassingen mogelijk wordt.
Dit artikel stelt HRL-TSCH-ERC voor, een op hiërarchisch reinforcement learning gebaseerde planningsmethode die middelen dynamisch toewijst en verbindingen plant in draadloze mesh-netwerken in karstgrotten om de pakketlevering, betrouwbaarheid en energie-efficiëntie voor heterogene reddingsdiensten in noodsituaties aanzienlijk te verbeteren in vergelijking met bestaande algoritmen.
HierGait is een hiërarchisch multimodaal gangherkenningsframework dat adaptieve multi-schaal temporele verbetering, structuurgeleide uitlijningsfusie en globale contextrecalibratie integreert om beperkingen in fijnmazige bewegingsopname, cross-modale uitlijning en temporele modellering te overwinnen, waarmee het state-of-the-art prestaties bereikt op de CASIA-B dataset.
EDD-3DGS is een door verlichting geleid diepte-distillatieframework dat de mislukkingen van reconstructie bij weinig licht in 3D Gaussian Splatting overwint door dynamisch fotometrische en dieptesupervisie te balanceren, ruisgevoelige priors te filteren en monoculaire diepteschalen uit te lijnen om zwevende artefacten te elimineren terwijl de geometrische getrouwheid behouden blijft.
Dit artikel presenteert een met prior-beperkt lichtgewicht HRNet-framework dat via Quantum-behaved Particle Swarm Optimization is geoptimaliseerd en dat een nauwkeurige, efficiënte IHDI-classificatie voor heupontwikkelingsdysplasie bereikt door het integreren van geometrische priors, modelcompressie en adaptieve hyperparameter-afstemming voor klinische besluitvormingsondersteuning.
Deze studie stelt een op corpus schaal gebaseerd raamwerk voor van beperkte optimalisatie dat latente glij-eigenschappen en de context van de opgraving benut om de geautomatiseerde reconstructie van gefragmenteerde bamboestrips aanzienlijk te verbeteren, waarbij het traditionele paarwijze matchingsmethoden overtreft in zowel nauwkeurigheid als foutreductie.