8464 papers
CONSTANT is een nieuwe methode voor één-op-een handschriftdirectie die gebruikmaakt van een diffusion-model met patch-contrastversterking en stijl-bewuste kwantisatie om realistische en gedetailleerde handschriftdoelen te genereren die zich aanpassen aan complexe schrijfstijlen.
Deze studie toont aan dat privacybehoud bij de detectie van de ziekte van Parkinson via spraak mogelijk is met de kNN-VC-anonimiseringsmethode, die pathologische informatie behoudt terwijl STT-TTS deze door het verwijderen van prosodie te sterk aantast.
Deze paper introduceert een nieuw raamwerk voor 'Speech Generation Speaker Poisoning' om de privacyrisico's van zero-shot tekst-naar-spraakmodellen te beperken door specifieke stemidentiteiten te verwijderen, waarbij wordt aangetoond dat dit effectief werkt voor tot 15 sprekers maar schaalbaarheidsproblemen ondervindt bij 100 sprekers.
ReconDrive is een voorspellend framework dat de 3D-fundatiemodel VGGT uitbreidt met hybride Gaussische voorspellingskoppen en een statisch-dynamische 4D-samenstellingsstrategie om snelle, hoogwaardige 4D-Gaussian Splatting-reconstructies voor autonome rijscènes te genereren, waarmee het de snelheid van bestaande methoden combineert met de kwaliteit van per-scene optimalisatie.
De auteurs presenteren een nieuwe deterministische, symmetrische recursieve algoritme voor het oplossen van gemiddelde-betalingsspellen.
Dit paper introduceert AgentRaft, het eerste geautomatiseerde framework dat programma-analyse en semantische redenering combineert om data-overblootstelling in LLM-agenten te detecteren en zo privacyrisico's in cross-tool datatransfers effectief te identificeren.
Dit artikel introduceert een actief inferentie-framework voor het herkennen van micro-gesten, dat gebruikmaakt van EFE-gestuurde temporele bemonstering en adaptief leren om de prestaties te verbeteren bij lage steekproefomvang, ruis en variabiliteit tussen gebruikers.
Dit paper introduceert StageFinder, een tijdsgerelateerd graf-leerframework dat gefuseerde host- en netwerkbewijsdata analyseert om de voortgang van APT-aanvallen met hoge nauwkeurigheid en stabiliteit te schatten binnen het MITRE ATT&CK-rahmen.
Dit paper introduceert PureCC, een nieuwe methode voor tekst-naar-afbeelding conceptaanpassing die door middel van een ontkoppelde leerdoelstelling en een dubbel-tak trainingspijplijn hoogwaardige personalisatie mogelijk maakt zonder de oorspronkelijke vaardigheden van het model te verstoren.
Brain-WM is een pionierende wereldmodel-architectuur die een Y-vormige Mixture-of-Transformers structuur gebruikt om de co-evolutie van glioblastomen en behandelingen te modelleren door toekomstige MRI-beelden en behandelingsplannen gezamenlijk te genereren, waardoor de klinische uitkomsten voor patiënten kunnen worden geoptimaliseerd.
Deze paper introduceert SiamGM, een real-time Siamese netwerk voor satellietvideo-objecttracking dat geometrie- en bewegingsbewustzijn combineert om nauwkeurige tracking te bereiken bij kleine doelen en complexe omstandigheden zonder extra rekenkosten.
Dit artikel presenteert een efficiënt RGB-D-scenarioverwerkingsmodel dat gebruikmaakt van een verbeterde fusie-encoder, aangepaste focuslagen en een multi-task adaptieve verliesfunctie om verschillende taken zoals semantische en instance-segmentatie met hoge nauwkeurigheid en snelheid uit te voeren.
Deze paper introduceert een nieuwe benadering voor 'Approximate Imitation Learning' die het mogelijk maakt een quadcopter met slechts één event-camera snel en robuust door rommelige omgevingen te vliegen door de dure simulatie van events te omzeilen en in plaats daarvan een offline dataset te combineren met online training op basis van lichte state-informatie.
FeasibleCap is een systeem voor het verzamelen van robotdemonstraties via een handgreep dat real-time uitvoerbaarheidsfeedback biedt zonder extra hardware of leermodellen, waardoor het aantal mislukte demonstraties wordt verminderd en de kwaliteit van de data voor verschillende robotplatforms wordt verbeterd.
Dit paper introduceert drie algoritmen voor het nauwkeurig lokaliseren van biologische en robotische honden uitsluitend op basis van inertieel sensordata, waarbij gebleken is dat neurale methoden modelgebaseerde benaderingen overtreffen met een afstandsfout van minder dan 10%.
Het paper introduceert AiRWeb, een prototype dat augmented reality combineert met mobiel webbrowsing om gebruikers de flexibiliteit te bieden om willekeurige webinhoud van hun scherm naar de fysieke omgeving te verplaatsen en daar te organiseren, wat volgens een voorlopige studie haalbaar en bruikbaar is.
Het paper introduceert 3DGS-HPC, een robuust framework dat tijdelijke afleidingen in 3D-scènes effectief elimineert door een hybride, patch-gebaseerde classificatiestrategie te combineren die lokale ruimtelijke consistentie en adaptieve visuele cues benut, waardoor de kwaliteit van 3D-Gaussian Splatting voor nieuwe weergaven in realistische omgevingen aanzienlijk wordt verbeterd.
Dit artikel presenteert deterministische algoritmen voor het factoriseren van schaarse polynomen met een beperkte individuele graad, waaronder een polynoomtijd-algoritme voor het vinden van alle schaarse delers en een verbeterde complexiteit voor het herleiden van factoren uit een product via blackbox-toegang.
Deze paper presenteert een efficiënte, geleerde methode voor het vereenvoudigen van LiDAR-puntwolken via een op attentie gebaseerd mechanisme, die een betere balans biedt tussen verwerkingssnelheid en nauwkeurigheid voor objectdetectie en -classificatie in vergelijking met bestaande steekproefmethodes.
Dit artikel introduceert VB-NET, een fysiek-gedreven gray-box deep learning-framework dat airconditioning-systemen modelleert als virtuele batterijen om de interpretatie, data-efficiëntie en nauwkeurigheid van de gridregulatie te verbeteren.