8181 papers
Het paper introduceert PackUV, een nieuwe 4D-volumetrische videorepresentatie die Gaussische attributen omzet in gestructureerde UV-atlassen voor compatibiliteit met bestaande video-codecs, ondersteund door de PackUV-GS-fittingmethode en het grote PackUV-2B-dataset om hoge kwaliteit en temporale consistentie te garanderen bij langdurige opnames.
Deze paper toont aan dat het formuleren van gegeneraliseerd plannen als het leren van een expliciet transitiemodel, in plaats van directe actie-voorspelling, leidt tot betere generalisatie en hogere sample-efficiëntie met kleinere modellen.
Dit paper introduceert HART, een annotatievrij framework dat Large Multimodal Models via versterkingsleer in staat stelt om zonder menselijke labels effectief te redeneren over hoge-resolutie beelden door zelfkritische focus op relevante beeldregio's.
Dit artikel introduceert PEPA, een cognitieve architectuur voor een fysieke agent die door middel van persoonlijkheidstrekken en een driedelig systeem autonoom doelen genereert en gedrag aanpast, waardoor het zonder externe instructies langdurig en zelfstandig kan opereren in dynamische omgevingen.
Dit paper introduceert Infinite Self-Attention (InfSA) en zijn lineaire variant Linear-InfSA, die de kwadratische complexiteit van traditionele attention-mechanismen doorbreken door attention te modelleren als een diffusieproces op een token-graf, waardoor schaalbare en energie-efficiënte Vision Transformers mogelijk worden die zelfs bij zeer hoge resoluties (tot 9216x9216) stabiel presteren en betere ImageNet-resultaten behalen dan bestaande softmax-baselines.
Dit paper introduceert WildActor, een framework voor het genereren van video's met menselijke acteurs die hun volledige lichaamidentiteit behouden onder onbeperkte bewegingen en camerahoeken, ondersteund door de nieuwe grote dataset Actor-18M.
Dit standpuntspaper pleit ervoor dat de evaluatie van moderne visuele verwerkingssystemen minder gericht moet zijn op enkele objectieve beeldkwaliteitsmetrieken en meer op menselijke perceptie en context om innovatie te stimuleren en onderzoek te sturen.
Deze workshop introduceert 'duurzame zorg' als een ontwerplens om technologieën te creëren die kinderen ondersteunen in een langdurige, betekenisvolle betrokkenheid bij sociale vraagstukken, zonder dat dit leidt tot empathische distress of uitputting.
Het artikel introduceert DeAR, een raamwerk dat VLM-adaptatie verbetert door de rollen van individuele attention heads te ontleden en te isoleren, waardoor een betere balans wordt bereikt tussen taakspecifieke aanpassing en het behoud van de oorspronkelijke generalisatie.
Dit artikel presenteert een gevalideerde digitale tweeling van het koelsysteem van de Frontier-supercomputer die aantoont dat een gelaagd optimalisatiekader, dat zowel het debiet als de aanvoertemperatuur co-optimaliseert binnen de beperkingen van de actuatoren, de totale energieverbruik met 27,8% kan reduceren.
Dit technische rapport bevestigt de generaliseerbaarheid van het Explainability Solution Space (ESS)-kader door middel van een uitgebreide cross-domein validatie die de oorspronkelijke toepassing op personeelsverloop uitbreidt naar een heterogeen intelligent stedelijk hulpbronnensysteem, waarbij wordt aangetoond dat ESS-rangschikkingen systematisch aanpassen aan governance-rollen en stakeholderconfiguraties in plaats van domeinspecifiek te zijn.
Dit artikel presenteert statische en adaptieve schema's voor energie-efficiënte verkeersplanning in optische LEO-satellietdownlinks, waarbij wordt vastgesteld dat adaptieve technieken, ondanks hun hogere complexiteit, een betere leveringsratio bieden onder dynamische weersomstandigheden dan statische methoden.
HarmonyCell is een end-to-end agentframework dat single-cell perturbatiestudies automatiseert door semantische heterogeniteit op te lossen met een door LLM-aangedreven semantic unifier en statistische heterogeniteit aan te pakken met een adaptieve Monte Carlo Tree Search-engine, waardoor schaalbaar virtueel celmodelleren mogelijk wordt zonder dataset-specifieke engineering.
Dit paper introduceert een nieuw LLM-gedreven raamwerk dat semantische opties ontdekt om de data-efficiëntie, interpreteerbaarheid en overdraagbaarheid van Deep Reinforcement Learning te verbeteren door natuurlijke taal instructies om te zetten in uitvoerbare regels.
Dit paper introduceert het MSP-framework, dat de prestaties van kledingwisselende persoonhervindingsystemen verbetert door de afhankelijkheid van veranderlijke haarkleuren te verminderen via hairstyle-georiënteerde augmentatie en structuurbehoudende verbergingstechnieken.
Dit onderzoek evalueert DINOv3 als een bevroren visuele ruggengraat voor blauwe bessen-oogsttaken en concludeert dat het model, hoewel zeer effectief voor segmentatie, beperkingen vertoont bij detectie en clusterherkenning vanwege schaalvariatie en ruimtelijke aggregatie, waardoor het vooral waardevol is als semantische basis die moet worden aangevuld met specifieke ruimtelijke modellering.
Dit artikel presenteert een event-gedreven, veilig en veerkrachtig besturingskader dat Control Barrier Functions en Control Lyapunov Functions integreert met adaptieve aanvalsbestendigheid en datagedreven schattingen om Connected and Automated Vehicles veilig te laten opereren in gemengd verkeer onder blootstelling aan exponentieel onbegrensde valse-data-injectie-aanvallen.
Dit artikel presenteert een nieuw framework voor multi-agent versterkingsleren genaamd GPAE, dat de steekproefefficiëntie en coördinatie verbetert door nauwkeurige per-agent voordeelsschattingen te berekenen via een per-agent waarde-iteratieoperator en een dubbel-getruncateerde importance sampling-ratio, waardoor directe Q-functieschatting overbodig wordt en stabiel off-policy leren mogelijk is.
Dit artikel introduceert een reproduceerbaar en auditabel framework voor het beoordelen van logische redeneeragenten, waarbij een 'assessor-agent' wordt gebruikt om taken te beheren en fouten te registreren, en demonstreert dat een auto-formalisatie-agent voor eerste-orde logica op een gerepareerde FOLIO-dataset een significant hogere nauwkeurigheid bereikt dan een chain-of-thought-baseline.
Dit paper introduceert het Required-edge Cycle Cover Problem (RCCP) als een ASP-compleetheidsframework voor grafproblemen en legpuzzels, waarmee de ASP-compleetheid van diverse puzzels zoals Kakuro en Chocona wordt bewezen en een open probleem van de MIT Hardness Group wordt opgelost.