3447 papers
Dit artikel presenteert een robuust deep learning-framework voor het herkennen van Bengaalse kentekens, dat een aangepaste YOLOv8-architectuur combineert met een Vision-Language OCR-model (ViT + BanglaBERT) om een nauwkeurige detectie en tekstextractie te realiseren onder diverse real-world omstandigheden.
Het paper introduceert SpecOps, een volledig geautomatiseerd testframework dat gespecialiseerde LLM-agenten gebruikt om GUI-gebaseerde AI-agenten in realistische omgevingen te evalueren en hiermee de prestaties van bestaande methoden overtreft door een hoge bugdetectie-efficiëntie te bereiken tegen lage kosten.
Dit paper introduceert HiFIVE, een data-managementframework dat door middel van een geoptimaliseerde tweestapsreductie van vector-tiles schaalbare, hoogwaardige client-side geospatiale visualisatie mogelijk maakt voor interactieve verkenning van datasets in terabyteschaal.
Dit paper introduceert een 'Entropy as a Service'-systeem dat kwantum-afgeleide entropie via post-kwantum beveiligde kanalen naar ingebouwde ESP32-systemen levert, waarbij benchmarks aantonen dat volledige post-kwantum authenticatie en sleuteluitwisseling sneller zijn dan klassieke methoden.
Dit paper introduceert UF-OPS, een lichtgewicht methode die robots in staat stelt om tijdens de uitvoering hun strategie aan te passen via verifiers, waardoor de succeskans van bestaande Behavior Cloning-beleid (zoals diffusion policies) zonder parameterupdates met gemiddeld 49% wordt verbeterd.
Dit artikel onderzoekt instant-runoff voting op grafen met metrische voorkeuren, waarbij het aantoont dat het testen van uitsluitingszones en het vinden van de minimale zone op bomen in polynomiale tijd kan worden opgelost via dynamisch programmeren, terwijl deze problemen voor algemene grafen NP-moeilijk blijven, en analyseert bovendien de utilitaire vervorming van het stemsysteem.
Dit paper introduceert DeepIntuit, een raamwerk dat videoclassificatie voor open instanties transformeert van naakten naar intuïtief redeneren door een vision-language model te verfijnen met versterkingslering en een intuïtieve kalibratiestap voor nauwkeurige classificatie.
Deze paper introduceert ReST-RL, een hiërarchische reinforcement learning-architectuur die locomotie en ladingstabilisatie ontkoppelt om robuust en stabiel tray-transport voor humanoïde robots te realiseren, zoals aangetoond door de succesvolle simulatie- en realiteitstests op de Unitree G1.
In deze voorlopige studie wordt Transition Network Analysis toegepast op oogvolgdata van 40 clinici in VR-simulaties van hartstilstanden om te laten zien hoe situational awareness dynamisch wordt verdeeld over teamrollen en scenariofasen, wat waardevolle inzichten biedt voor gerichte training in acute zorg.
Dit artikel introduceert PRoADS, een bewezen veilig en robuust audiostreamsysteem dat geheime berichten via orthogonale projectie in de initiële ruis van diffusiemodellen verbergt en gebruikmaakt van latente optimalisatie en achterwaartse Euler-inversie om reconstructiefouten te minimaliseren en een uitzonderlijk lage bitfoutkans van 0,15% onder MP3-compressie te bereiken.
Deze studie toont aan dat watermerken in zowel de ruimtelijke als de latente domeinen fundamenteel kwetsbaar zijn voor elkaars specifieke aanvalsmethoden, wat aantoont dat enkelvoudige watermerktechnieken ontoereikend zijn voor moderne digitale provenance en de noodzaak onderstreept van multi-domein cryptografische architecturen.
Deze paper introduceert FC-4DFS, een frequentie-gestuurde methode die flexibele en vloeiende 4D gezichtsexpressiesynthese bereikt door een frequentie-gestuurde LSTM-netwerk en een multi-level identiteitsbewust vervormingsnetwerk te combineren met een tijdscoherentieverlies.
Dit paper introduceert Fuel Gauge, een methode die vooraf de lengte van het Chain-of-Thought-proces in grote multimodale modellen voorspelt door een verborgen 'brandstof'-parameter te extraheren, waardoor de efficiëntie van computerruimte en de nauwkeurigheid van het redeneren aanzienlijk worden verbeterd.
Dit paper introduceert LM-4DGAN, een generatief model dat neutrale gezichtslandmarks gebruikt om robuuste 4D-faciaal expressies te synthetiseren die identiteitsonafhankelijk zijn, door middel van een identiteitsdiscriminator, een landmark-autoencoder en een cross-attention-mechanisme.
AgentServe is een systeem voor het bedienen van AI-agenten op consumentengpu's dat door middel van co-design van algoritme en systeem de prestaties verbetert door prefills en decodes te isoleren en GPU-bronnen dynamisch te beheren, wat leidt tot aanzienlijk stabielere latenties en hogere doorvoersnelheden.
Deze paper introduceert EmoStory, een tweestapsframework dat agenten voor verhaalplanning en gebiedsgerichte generatie combineert om visuele verhalen te creëren die niet alleen onderwerpconsistent zijn, maar ook expliciete emotionele richtingen effectief vertalen naar concrete beeldelementen.
Dit artikel introduceert een gesloten kringloopframework dat een geparametriseerde evenwichtsmanifold en haptische SLAM combineert om adaptieve, onzekerheidsbewuste tool-gestuurde manipulatie mogelijk te maken, wat wordt gevalideerd door robuuste resultaten bij meer dan 260 real-world schroeflosdraaitests.
Dit paper introduceert S-HPLB, een nieuwe strategie voor head-parallelle load balancing die gebruikmaakt van de heterogene sparsiteit van LLM-attention heads om de berekeningstijd op meerdere GPU's te optimaliseren en de latentie met een factor 2,88 te verminderen zonder kwaliteitsverlies.
StyleGallery is een trainingsvrije, semantische bewuste framework dat persoonlijke stijltransfer mogelijk maakt vanuit willekeurige referentieafbeeldingen door middel van adaptieve regio-segmentatie, precisie-afstemming en een energie-gestuurde optimalisatie, waardoor het de bestaande methoden overtreft in het behoud van contentstructuur en regionale stijl.
Dit artikel introduceert een trainingsvrij, unificerend framework dat hallucinaties in multimodale taalmodellen effectief aanpakt door visuele tokens op twee manieren te manipuleren: via Synergistic Visual Calibration om visuele representaties te versterken en via Causal Representation Calibration om interne modelbias te corrigeren, wat leidt tot een significante verbetering van de nauwkeurigheid met slechts een minimale toename in inferentielatentie.