3447 papers
DSFlash is een laag-latentie model voor panoptische scènegraafgeneratie dat real-time prestaties combineert met uitgebreide contextuele informatie en een opvallend lage trainingsvereiste, waardoor het ideaal is voor implementatie op bronnenbeperkte randapparatuur.
Deze paper introduceert BS-KMQ, een nieuwe niet-lineaire kwantisatiemethode die uitbijters aan de randen onderdrukt om de resolutie-eisen voor ADC's in geheugencomputersystemen te verlagen, wat leidt tot aanzienlijke verbeteringen in energie-efficiëntie, snelheid en nauwkeurigheid vergeleken met bestaande methoden.
Dit artikel introduceert P-GSVC, het eerste gelaagde progressieve 2D-Gaussian-splatting-framework dat een schaalbare oplossing biedt voor beeld- en videoherconstructie via een gezamenlijke trainingsstrategie die de prestaties aanzienlijk verbetert ten opzichte van sequentiële methoden.
In dit paper wordt CD-Raft voorgesteld, een geoptimaliseerd Raft-protocol dat de consensuslatentie tussen verschillende domeinen aanzienlijk verlaagt door het optimaliseren van de round-trip-tijd en de positie van de leader-node, wat resulteert in een gemiddelde latentiereductie van 32,90% en een vermindering van de tail-latentie met 49,24%.
Dit paper introduceert FP-Predictor, een op Graph Convolutional Networks gebaseerd model dat Code Property Graphs gebruikt om de hoge rate van false positives in statische beveiligingstests (SAST) te verminderen, waarbij het een testnauwkeurigheid van 100% en een praktische nauwkeurigheid van 96,6% bereikte.
Deze paper introduceert PET-F2I-41K, een uitgebreide benchmark met meer dan 41.000 PET/CT-rapporten, en presenteert een parameter-efficiënt, op LoRA gefinetuned 7B-model dat aanzienlijk beter presteert dan bestaande LLM's bij het genereren van diagnostische impressies, ondersteund door nieuwe klinisch onderbouwde evaluatiemetrics.
Het artikel introduceert TacLoc, een nieuw raamwerk voor tactiele lokalisatie dat het probleem formuleert als een eenmalige puntwolkregistratieopdracht met behulp van een graftheoretische methode, waardoor robuuste en nauwkeurige positiebepaling mogelijk is zonder gesimuleerde data of vooraf getrainde modellen.
UniStitch is een baanbrekend framework dat traditionele geometrische kenmerken en semantische kenmerken uit neurale netwerken verenigt via een Neural Point Transformer en een Adaptive Mixture of Experts-module, waardoor het de prestaties van bestaande beeldstitching-methoden aanzienlijk verbetert.
Dit artikel introduceert een gelaagde, certificaatgebaseerde besturingsarchitectuur voor veilige, doelgerichte besturing onder onvolledige waarneming, die doelbereiking, informatieverzameling en veiligheid ontkoppelt via Belief Control Lyapunov- en Barrier-functies om real-time veilige beslissingen te garanderen.
Dit paper introduceert R4-CGQA, een methode die gebruikmaakt van een nieuw dataset met gestructureerde kwaliteitsbeschrijvingen en een twee-stroom retrieval-framework om bestaande Vision Language Models te verbeteren in het beoordelen en verklaren van de kwaliteit van computergraphics-afbeeldingen.
Dit artikel introduceert LIDA, een model-onafhankelijk framework dat AI-gegenereerde afbeeldingen attribueert door het probleem te formuleren als instantieretrieval in plaats van classificatie, waardoor state-of-the-art prestaties worden bereikt in zero- en few-shot scenario's.
Dit paper introduceert Marigold-SSD, een efficiënt zero-shot dieptevullingsframework dat gebruikmaakt van single-step diffusiemodels om de inferentiesnelheid te verhogen en de kosten te verlagen, terwijl het tegelijkertijd robuuste 3D-perceptie biedt over diverse domeinen.
Deze paper presenteert een encoder-only MT-ASR-framework dat semantische priors van grote taalmodellen distilleert en een talker-aantal routing introduceert, waardoor prestaties bij meertalige spraakherkenning aanzienlijk worden verbeterd met een lage rekentijd.
Dit artikel presenteert een reproduceerbare vergelijking van Clough-Tocher- en Multiquadric-RBF-interpolatiemethoden, waarbij wordt aangetoond dat hoewel ruis leidt tot overfitting, de kubische methode robuuster is en dat het behoud van ruizige metingen essentieel kan zijn voor het modelleren van fysisch betekenisvol procesgedrag in de milieutechniek.
Dit paper introduceert de Latent Transition Discrepancy (LTD)-methode, die de inconsistentie in de overgang van latenterepresentaties tussen netwerklagen benut om synthetische afbeeldingen met superieure nauwkeurigheid en generalisatievermogen te detecteren.
Dit paper introduceert HyPER-GAN, een lichtgewicht generatief model dat synthetische beelden in real-time fotorealistisch maakt met behoud van semantische consistentie en zonder de visuele artefacten die vaak de prestaties van computervisie-algoritmen beïnvloeden.
Dit paper introduceert TopGen, een robuust en efficiënt leerframework dat door gelijktijdig structurele lay-outs en kruisvelden te voorspellen, de kwaliteit en bewerkbaarheid van vierkante mesh-generatie aanzienlijk verbetert ten opzichte van bestaande methoden.
Dit artikel introduceert een nieuwe methode voor het beveiligen van industriële besturingssoftware door middel van een hardware-software-binding op basis van fysiek niet-klooneerbare functies (PUF's) en symbolische uitvoering, die ervoor zorgt dat het programma alleen correct werkt op de doelhardware en veilig is tegen reverse engineering.
Dit paper introduceert Touch G.O.G., een compact raamwerk met een vision-based tactiele grijper dat het gebruik van één robotarm mogelijk maakt voor betrouwbare bimanuele stofmanipulatie door middel van geavanceerde perceptie- en controletechnieken.
AdaClearGrasp is een gesloten-lus raamwerk dat een vooraf getraind vision-language model en versterkende leeringspolitieën combineert om robots in staat te stellen adaptief te beslissen of ze een doelobject direct moeten grijpen of eerst omringende objecten moeten verwijderen, waardoor robuuste dexterous grasping in dicht bevolkte omgevingen mogelijk wordt zonder voorafgaande training op specifieke scenario's.