3447 papers
SignSparK introduceert een nieuw, schaalbaar raamwerk voor meertalige gebarentaalproductie dat gebruikmaakt van een efficiënte sleutelkaderleerparadigma en Conditional Flow Matching om natuurlijke, linguïstisch accurate 3D-animaties te genereren die de bestaande staat van de kunst overtreffen.
Het paper introduceert DiT4DiT, een end-to-end video-actie-model dat video-diffusie-features gebruikt om robotbeleid te sturen, wat leidt tot state-of-the-art resultaten, aanzienlijk hogere sample-efficiëntie en sterke generalisatie op zowel simulatie- als realwereld-benchmarks.
Dit paper beschrijft een AI-tutorsysteem dat Hegeliaanse erkenning en Freudiaanse psychodynamica combineert via een reflexieve "vibe scholarship"-methode, waarbij experimenten aantonen dat erkenning-verbeterde prompts de prestaties van tutors aanzienlijk verbeteren.
Dit artikel introduceert LCAMV, een robuuste methode voor nauwkeurige 3D-reconstructie van gekleurde objecten met gestructureerd licht die laterale chromatische aberratie corrigeert en multi-kanaals fasegegevens fuseert zonder extra hardware, waardoor de dieptefout tot 43,6% wordt verminderd.
Dit artikel introduceert SUBTA, een raamwerk voor ondersteunde bimanuele teleoperatie dat intentieschatting, taakplanning en contextafhankelijke bewegingsassistentie combineert om de nauwkeurigheid te verhogen en de mentale belasting te verlagen tijdens assemblage taken.
Deze paper introduceert WanderBench, het eerste wereldwijde benchmark voor actieve geolocatie, en het GeoAoT-framework dat redenering koppelt aan fysieke acties om de locatiebepalingsvaardigheden van multimodale modellen te verbeteren.
Het artikel introduceert MoXaRt, een real-time XR-systeem dat audio-visuele cues gebruikt om complexe geluidsmixen te scheiden, wat leidt tot een significante verbetering van spraakintelligibiliteit en een vermindering van de cognitieve belasting voor gebruikers.
Het paper introduceert DepthCache, een trainingsvrij raamwerk dat gebruikmaakt van dieptekennis om visuele tokens in Vision-Language-Action-modellen te comprimeren, waardoor de inferentie-tijd aanzienlijk wordt verkort zonder de prestaties van robotmanipulatie significant te beïnvloeden.
Dit paper introduceert CIPHER, een trainingsvrije methode die hallucinaties in Large Vision-Language Models onderdrukt door een subspace voor visueel veroorzaakte hallucinaties te identificeren via een tegenstrijdig dataset en deze vervolgens tijdens de inferentie te projecteren.
Dit paper stelt een verschuiving voor van dure softwareverificatie naar 'herding', een modelvrije zoekmethode die gebruikmaakt van de 'Sparsity of Influence' en het EZR-algoritme om systemen efficiënt naar doelen te sturen met slechts een fractie van de benodigde steekproeven.
Dit artikel introduceert StructDamage, een groot en divers dataset met ongeveer 78.093 afbeeldingen van negen oppervlaktetypes, die is samengesteld om robuuste en generaliseerbare deep learning-modellen voor het detecteren van structurele schade en barsten mogelijk te maken.
Deze paper introduceert een autoencoder-gebaseerde, ruimtelijk zelftoezichtende deep learning-methode voor het selecteren van structureel betekenisvolle pieken in massaspectrometrie-imaging, gekoppeld aan een nieuwe evaluatieprocedure op basis van expert-annotaties die aantoont dat de aanpak superieur is aan bestaande methoden.
Deze paper introduceert IMTBench, een nieuw benchmark voor in-beeld vertaling dat 2.500 realistische voorbeelden omvat en een uitgebreide, multimodale evaluatie mogelijk maakt om de huidige beperkingen van synthetische datasets en eendimensionale meetmethoden aan te pakken.
Deze studie integreert de AI-sector in het GCAM-model om te tonen dat de toekomstige elektriciteitsvraag in de VS niet lineair aan AI-groei is gekoppeld, maar sterk afhangt van het evenwicht tussen efficiencywinsten en inkomensgroei, waarbij prijsmechanismen alleen beperkt effectief zijn om de vraag te sturen.
Deze paper introduceert een nieuwe autoregressieve flow-methode met een slecht gestelde beperking die UHD-beeldontwarring efficiënt en stabiel uitvoert door een progressief, grof-naar-fijn proces te combineren met Flow Matching en regularisatie voor numerieke stabiliteit.
Deze paper introduceert een visueel geleid framework voor het ontkoppelen van semantische informatie dat, door het gebruik van visuele priors en een hybride feature fusion module, de controle en kwaliteit van medische beeldgeneratie significant verbetert ten opzichte van bestaande methoden.
Dit artikel introduceert STEPH, een efficiënte methode die hypernetwerken en sparse task vector mixup gebruikt om kennis van meerdere kankersoorten te combineren en zo de prognosevoorspelling voor Whole-Slide Images te verbeteren zonder grote schaal gezamenlijke training of uitgebreide inferentie.
Dit artikel introduceert BinWalker, een autonoom viervoetig robotsysteem met een manipulatorarm dat is ontwikkeld en getest voor het efficiënt verzamelen van afval in moeilijk toegankelijke buitenomgevingen om menselijke arbeid te ondersteunen.
Deze studie analyseert 909 woord-schaal grafieken uit wetenschappelijke papers om een raamwerk te ontwikkelen dat de plaatsing, communicatieve functie en visuele vormgeving beschrijft, en concludeert dat deze hulpmiddelen zelden worden gebruikt ondanks hun potentieel om de begrijpelijkheid van teksten te vergroten.
Dit paper presenteert een geïntegreerd, gebeurtenisgestuurd e-skin-systeem met dynamische binaire scanning en een FPGA-implementatie van een spiking neurale netwerk (SNN) dat een 99% data-sparsiteit en 92,11% classificatieaccuraatheid bereikt voor real-time robotische perceptie.