3447 papers
Dit paper introduceert OmniEarth, een nieuw benchmark voor het systematisch evalueren van vision-language modellen in aardobservatie, dat 28 taken omvat over perceptie, redenering en robuustheid om de huidige beperkingen van bestaande modellen in complexe geospatiale scenario's in kaart te brengen.
Dit paper introduceert MORE-R1, een nieuw model dat Large Vision-Language Models (LVLMs) via een twee-staps trainingsproces met toezicht en versterkingslearning in staat stelt om complexe multimodale object-entiteitsrelaties te extraheren door middel van expliciete stap-voor-stap redenering.
Dit paper introduceert PruneSID, een trainingsvrije methode die redundantie in visuele tokens van Vision-Language Models efficiënt elimineert door belang en diversiteit synergetisch te benutten, waardoor de prestaties worden behouden en de verwerkingssnelheid aanzienlijk wordt verhoogd.
Deze paper introduceert StyleVLA, een op fysica gebaseerd Vision-Language-Action-model dat, getraind op een groot instructiedataset, diverse en kinematisch haalbare rijstijlen genereert en daarmee gespecialiseerde prestaties behaalt die superieur zijn aan die van gesloten bronmodellen zoals Gemini-3-Pro.
Deze paper introduceert een componentbewust, zelfrefinerend raamwerk voor het genereren van fotorealistische afbeeldingen uit schetsen, dat via een tweestapsarchitectuur met zelfaandacht-codering en coördinatiebehoudende fusie aanzienlijk betere resultaten boekt dan bestaande GAN- en diffusiemodellen op diverse datasets.
Deze paper introduceert Diagonal Distillation, een methode die autoregressieve videogeneratie versnelt tot 31 FPS door een asymmetrische strategie te gebruiken die temporale context optimaliseert en foutpropagatie in lange sequenties vermindert.
Dit paper presenteert een voorlopig verslag over het Artefact Model voor Regelgevende Requirements Engineering (AM4RRE), dat is ontworpen om de integratie van regelgevende compliance in de softwareontwikkelingscyclus te stroomlijnen door de complexiteit van verschillende perspectieven aan te pakken.
Dit paper introduceert SurgFed, een taalgeleid multi-task federated learning-framework dat de uitdagingen van weefsel- en taakdiversiteit in chirurgische video's aanpakt via taalgestuurde kanaalselectie en hyperaggregatie, wat resulteert in superieure prestaties voor segmentatie en diepteschatten op meerdere datasets.
Dit paper introduceert EmbC-Test, een RAG-gebaseerde aanpak die de tijd voor het handmatig schrijven van tests voor ingebouwde C-software met tot 66% verkort door automatisch gegenereerde tests te produceren die 100% syntactisch correct zijn en voor 85% slagen in runtime-validatie.
Dit artikel introduceert TalisMan2.0, een hybride algebraïsche verificatiemethode die door middel van parallelle multimodulaire berekeningen modulo priemgetallen de noodzaak voor zware big-integer-aritmetiek bij het verifiëren van rekenkringen elimineert en zo de prestaties aanzienlijk verbetert.
Het paper introduceert Context-Nav, een trainingsvrije methode voor tekstgestuurde navigatie die lange contextbeschrijvingen gebruikt om verkenning te sturen en kandidaat-objecten verifieert via viewpoint-bewuste 3D-ruimtelijke redenering, waardoor state-of-the-art resultaten worden behaald zonder specifieke policy-training.
Deze studie onderzoekt de betrouwbaarheid van Vision-Language Models in autonoom rijden door hun inconsistentie en beperkte temporale redeneervermogen te analyseren, en introduceert het FutureVQA-benchmark en een zelftoezichtende tuneermethode om deze tekortkomingen aan te pakken.
Deze paper introduceert RuleSafe, een nieuw benchmark voor langdurige robotmanipulatie met niet-Markoviaanse taken, en VQ-Memory, een compacte tijdsrepresentatie die bestaande Vision-Language-Action-modellen verbetert door verleden toestanden te coderen in discrete tokens voor betere langetermijnplanning en generalisatie.
Dit paper introduceert RESBev, een plug-and-play methode die de robuustheid van bestaande Bird's-eye-view (BEV) perceptiesystemen voor autonoom rijden verbetert door beschadigde waarnemingen te reconstrueren via een latent wereldmodel dat ruimtetemporele correlaties benut.
DCAU-Net is een nieuw en efficiënt medisch beeldsegmentatiekader dat een differentiële kruisattentie en een kanaal-ruimtelijke kenmerkfusie introduceert om langeafhangsafhankelijkheden en fijne randdetails nauwkeuriger te modelleren terwijl de rekencomplexiteit wordt verlaagd.
Deze studie presenteert een door een groot taalmodel (LLM) aangedreven methode voor het dynamisch genereren van gecoördineerde spraak- en gebarenexpressies voor pedagogische agenten in virtuele realiteit, wat leidt tot een verbeterde leerervaring, hogere betrokkenheid en een sterkere sociale aanwezigheid.
Deze paper introduceert een op versterkingslering gebaseerde post-trainingstrategie, die Group Relative Policy Optimization (GRPO) uitbreidt naar multimodale contexten, om bestaande vision-language modellen te verbeteren in het genereren van samenhangende, verweven tekst-en-beeldoutput zonder afhankelijkheid van grote gespecialiseerde datasets.
Deze paper introduceert het DynHiL-EQA-dataset en het training-vrije DIVRR-framework om Embodied Question Answering in dynamische, menselijke omgevingen te verbeteren door ambiguïteiten op te lossen en efficiënte, compacte geheugenselectie mogelijk te maken.
Dit paper introduceert NS-VLA, een neuro-symbolisch raamwerk dat online versterkingsleer en symbolische verwerking combineert om robotmanipulatie-modellen te ontwikkelen die superieure data-efficiëntie, generalisatie en exploratie bieden ten opzichte van bestaande Vision-Language-Action modellen.
Dit paper presenteert een nieuw, op Large Language Models gebaseerd automatisch programma-reparatiekader dat specifiek is ontworpen om kwetsbaarheden in de interfaces tussen softwarecompartimenten op te lossen, aangezien bestaande algemene LLMs hiervoor ongeschikt blijken.