3447 papers
Deze paper introduceert de Geometric Autoencoder (GAE), een principieel framework dat Vision Foundation Model-priors en een nieuwe normalisatiestrategie combineert om een superieure balans te bereiken tussen compressie, semantische diepte en reconstructiestabiliteit, wat resulteert in state-of-the-art prestaties voor latent diffusion-modellen op ImageNet.
Het paper introduceert GeoSense, een kader dat multimodale modellen in staat stelt om zelfstandig te bepalen wanneer geometrische informatie noodzakelijk is voor ruimtelijk redeneren, waardoor de prestaties worden verbeterd zonder de rekenkosten onnodig te verhogen.
Dit artikel toont aan dat bij het gebruik van conditionele diffusiemodellen voor portefeuilleconstructie een optimale balans in het aantal factoren essentieel is om zowel onder- als overfitting te voorkomen en zo de beste generalisatie te bereiken.
Dit artikel analyseert de ernstige beveiligingskwetsbaarheden van het OpenClaw-platform tegen kwaadaardige instructies en presenteert een mens-in-de-lus (HITL)-verdedigingslaag die de afweer tegen aanvallen aanzienlijk verbetert.
Dit artikel demonstreert hoe een via de toeleveringsketen binnengeslopen, gemanipuleerd component in een satelliet onopgemerkt valse telemetrie kan genereren die grondstations en navigatiesystemen misleidt, en schetst daaropvolgend praktische verdedigingsmaatregelen voor ruimtevaartuigen.
Dit paper introduceert ScanDP, een data-efficiënt 3D-scanningsframework dat gebruikmaakt van Diffusion Policy en Occupancy Grid Mapping om robuustere, generaliseerbare en efficiëntere scans van onbekende objecten te realiseren dan bestaande methoden.
Dit onderzoek toont aan dat het gebruik van een bewegende telefoonstandaard (AnimaStand) om smartphones expressief te laten bewegen, inactieve leden tijdens groepsdiscussies opnieuw activeert en zo de groepsdynamiek, taakprestatie en relaties verbetert.
Dit artikel introduceert OCpose, een nieuwe evaluatiemethode voor multi-persoon pose-schatting die op optimale transport gebaseerd is om een eerlijke afweging te maken tussen waar-positieve en vals-positieve poses, ongeacht hun betrouwbaarheidsscores.
Deze paper introduceert SpatioCoupledNet, een hybride besturingsmethode die kinematische kennis en machine learning combineert om de stabiliteit en nauwkeurigheid van een planaire hyper-redundante robot in ongestructureerde omgevingen aanzienlijk te verbeteren.
Dit paper introduceert een nieuwe kalibratieverliesfunctie die, door gebruik te maken van Kernel Density Estimation en de Chi-kwadraatverdeling, de betrouwbaarheid van onzekerheidsschattingen in Gaussische trajectvoorspellers verbetert, wat essentieel is voor veilige en efficiënte bewegingsplanning in complexe omgevingen.
Dit paper introduceert Motion Forcing, een gefragmenteerd raamwerk dat de generatie van robuuste video's met complexe bewegingen verbetert door fysieke redenering en visuele synthese te ontkoppelen via een hiërarchisch "Punt-Vorm-Appearance"-paradigma en een strategie voor het herstellen van gemaskerde punten.
Dit artikel introduceert Differentiable Geometric Indexing (DGI), een nieuw generatief zoekparadigma dat optimalisatieblokkades en geometrische conflicten oplost door een volledig differentieerbare route en isotrope optimalisatie te combineren, wat leidt tot superieure prestaties, vooral bij lange staart-items.
Het paper introduceert Frames2Residual (F2R), een zelftoezichtend videodenruisingsframework dat spatiotemporale ontkoppeling toepast door het trainingsproces op te splitsen in een blinde temporale consistentiestap en een niet-blinde ruimtelijke textuurherstelstap, waardoor het de beperkingen van bestaande methoden overwint en superieure prestaties behaalt op zowel sRGB- als raw-videobenchmarks.
In dit artikel wordt TractoRC gepresenteerd, een unificerend probabilistisch leerframework dat tractografie-registratie en streamline-clustering gezamenlijk optimaliseert binnen één schema door een gedeelde, transformatie-equivariante latente inbeddingsruimte te leren, wat resulteert in een significante prestatieverbetering ten opzichte van bestaande methoden die deze taken afzonderlijk behandelen.
World2Act is een nieuw post-training framework dat Vision-Language-Action-beleid direct afstemt op latente dynamiek in plaats van pixels, en door middel van een door LLM's aangestuurde vaardigheidsdecompositie wereldmodellen in staat stelt om robuust te generaliseren over uiteenlopende taakhorizonten.
Dit artikel presenteert een deterministisch algoritme dat ongewogen, verbonden grafen met een begrensde graad en begrensde boomlengte reconstrueert met kortste-padenafstandsvragen, wat een verbetering is op eerdere methoden en overeenkomt met de bekende ondergrens voor deze grafklasse.
Dit paper introduceert COHORT, een hybride reinforcement learning-framework voor multi-robotsystemen dat de inferentie van grote deep neural networks efficiënt coördineert door offline en online leertechnieken te combineren, waardoor batterijverbruik wordt verminderd, GPU-gebruik wordt geoptimaliseerd en real-time deadlines in missiekritische scenario's worden gehaald.
Dit paper introduceert PEPspace, een beveiligde splitsings- en versnellingsstrategie voor interplanetaire netwerken die gebaseerd is op de NTSP-architectuur en een op maat gemaakte transportpolitiek combineert om de prestaties van TCP en QUIC onder extreme vertraging en verlies te verbeteren.
Dit paper introduceert AsyncMDE, een asynchroon monocular depth estimation-systeem dat de rekenkosten van foundation modellen verlaagt door een lichtgewicht model te gebruiken dat asynchroon werkt met een opgeslagen ruimtelijk geheugen, waardoor real-time prestaties op edge-apparaten mogelijk worden met minimale nauwkeurigheidsverlies.
Dit paper introduceert KnowDiffuser, een kennisgeleide bewegingsplanner die de semantische redeneercapaciteiten van taalmodellen combineert met de generatieve kracht van diffusiemodellen om een robuust en interpreteerbaar raamwerk te bieden dat de kloof tussen semantisch begrip en fysiek haalbare trajecten in autonoom rijden overbrugt.