6084 papers
Dit artikel introduceert Inter-image Pixel Shuffling (IPS), een innovatieve methode die multi-focus beeldfusie mogelijk maakt zonder echte trainingsdata door het probleem te herformuleren als pixel-classificatie tussen scherpe en onscherpe versies van dezelfde afbeelding, wat resulteert in superieure fusieprestaties.
Dit artikel presenteert een datagedreven aanpak voor autonome raceauto's waarbij een op Formule 1-telemetrie getraind neuronaal netwerk expert-achtige trajecten voorspelt om de convergentie en rekentijd van optimalisatieoplossers aanzienlijk te verbeteren zonder de uiteindelijke rittijd te beïnvloeden.
Deze paper introduceert een multimodaal dataset voor industriële foutanalyse, bestaande uit audio- en trillingssignalen van een kettingtransportband, dat is ontworpen om robuuste systemen voor foutdetectie en -classificatie onder diverse bedrijfsomstandigheden te ondersteunen.
Dit paper introduceert EyExIn, een data-efficiënt raamwerk dat retinale Vision Language Models versterkt met diepe expertinjectie en een dubbelstroom-architectuur om de kloof tussen algemene visuele waarneming en medisch redeneren te overbruggen en zo hallucinaties te voorkomen.
Dit paper pleit ervoor dat mens-AI-alignement in ontwikkelingscontexten, zoals ouder-kindinteracties met multimodale LLM's, moet worden benaderd als een door de gemeenschap beheerd proces van gelaagde afstemming tussen experts en gezinnen, in plaats van als een individueel optimalisatieprobleem.
Dit paper introduceert AutoSelect, een methode die visuele tokens in vision-language modellen automatisch selecteert via een ruisgebaseerde poortmechanisme om de inferentiekosten aanzienlijk te verlagen terwijl de nauwkeurigheid behouden blijft.
DexKnot is een nieuw raamwerk dat door het combineren van keypoint-affordances met een diffusiemodel een generaliseerbaar visueel-motorisch beleid leert om plastic zakken op betrouwbare manier te knopen, zelfs bij onbekende vormen en vervormingen.
Dit artikel presenteert een modelgebaseerde methode voor het compenseren van thermische drift in hexapod-robotactuatoren, waarbij een theoretisch model gekalibreerd wordt met interferometrische metingen om de door temperatuur veroorzaakte uitzetting met meer dan 80% te reduceren.
Dit paper introduceert PDD, een nieuw raamwerk voor de detectie van afwijkingen in medische beelden dat gebruikmaakt van een manifold-prior met dual-teacher priors en diverse distillatiestrategieën om significante verbeteringen in prestaties te bereiken ten opzichte van bestaande state-of-the-art methoden.
Dit tutorialartikel biedt een controlegerichte introductie tot ondersteunde traagheidsnavigatiesystemen door gebruik te maken van een Lie-groepformulering rond de uitgebreide Special Euclidean-groep SE₂(3), met de nadruk op een geometrisch raamwerk voor sensorfusie dat invariance en symmetrie expliciet maakt.
Dit paper introduceert CanoVerse, een schaalbaar 3D-dataset en raamwerk dat door het standaardiseren van objectoriëntatie de stabiliteit van 3D-generatie en de precisie van vormretrieval aanzienlijk verbetert.
Dit paper introduceert LiveWorld, een nieuw framework dat bestaande generatieve videowereldmodellen verbetert door een persistent globale staat te modelleren die dynamiek blijft simuleren zelfs wanneer objecten buiten het gezichtsveld van de waarnemer zijn, waardoor een echt continu evoluerende wereld mogelijk wordt.
Dit artikel introduceert een raamwerk dat transitietoestandtheorie combineert met dynamisch netwerkmodeleren om het proces van structurele verandering in netwerken te karakteriseren en, onder bepaalde voorwaarden, zelfs te voorspellen op basis van kruisdoorsnede-modellen, zoals geïllustreerd aan de hand van factierherordening in kleine groepen.
Het paper introduceert NarrativeLoom, een door theorie geïnspireerd co-creatie-systeem dat gebruikmaakt van multi-persona AI-improvisatie en menselijke selectie om, zoals aangetoond in een studie met 50 deelnemers, creatiever, origineler en uitgebreider verhalen te produceren dan bestaande hulpmiddelen, waarbij met name beginnende schrijvers profiteren van de gestructureerde ondersteuning.
Dit paper introduceert een efficiënte inferentie-methode die redenering verbetert door op het niveau van individuele gedachten de zelfzekerheid van het model te maximaliseren, wat leidt tot betere prestaties dan traditionele methoden zoals greedy decoding en self-consistency met een beperkt rekenbudget.
Het paper introduceert PromptGate, een adaptief framework voor Federated Active Learning dat met behulp van dynamische prompt-vectoren een BiomedCLIP-achtergrondmodel aanpast aan lokale klinische domeinen om uitval- en ruisdata (OOD) effectief te filteren en zo de privacy te waarborgen bij de ontwikkeling van medische AI.
Dit artikel introduceert RoTri-Diff, een diffusie-gebaseerd imitatieleringskader dat een nieuwe robot-object triadische interactierepresentatie gebruikt om stabiele en gecoördineerde bimanuele manipulatie te realiseren door de dynamische ruimtelijke relaties tussen twee armen en het object expliciet te modelleren.
Dit paper introduceert ACD-U, een asymmetrisch co-teaching-raamwerk dat machine unlearning combineert met een CLIP-gebaseerde Vision Transformer en een CNN om foutieve labelselecties actief te corrigeren en zo robuust leren met ruisachtige labels te realiseren.
Dit onderzoek introduceert een visueel kader voor transformer-modellen in computationele pathologie dat aantoont dat class visualizations en activation atlases gestructureerde morfologische patronen onthullen, waarbij de overeenstemming tussen experts en gegenereerde afbeeldingen afneemt naarmate de labelgranulariteit toeneemt en de intrinsieke complexiteit van de pathologie groter wordt.
Dit onderzoek toont aan dat het gebruik van grafische neurale netwerken om de initiële vertakkingsvolgorde van SAT-oplossers te voorspellen aanzienlijke snelheidswinst oplevert voor willekeurige en pseudo-industriële problemen, maar minder effectief is voor complexe industriële instanties doordat de dynamische heuristieken van de solver de initiële voorspelling snel overschrijven.