2528 papers
Dit artikel introduceert CSLICS, een geautomatiseerd camerasysteem dat gebruikmaakt van computerzicht en menselijke feedback om koraalspawning nauwkeurig te tellen, waardoor de arbeidsintensiteit drastisch wordt verminderd en de schaalbaarheid van koraalherstelprojecten op het Groot Barrièrerif wordt vergroot.
Deze paper introduceert een onbewaakte methode om de latente coderings- en decoderingsrichtingen in diepe visuele netwerken te herstellen, waardoor concepten van invloed onthuld kunnen worden voor betere interpretatie, foutopsporing en ingrepen in het model.
Dit paper introduceert LLaVAShield, een veiligheidsframework dat multimodale multi-turn dialogen in Vision-Language Models beschermt door een nieuw dataset en een geautomatiseerd red-teaming-framework te ontwikkelen, waarmee het aanzienlijk beter presteert dan bestaande modulatietools.
Deze studie presenteert een schaalbaar deep learning-pipeline die voor het eerst een landelijk digitaal dataset van stedelijke oppervlakken in Frankrijk uit de periode 1925-1950 genereert door middel van een innovatieve tweestaps U-Net-methode die historische kaarten analyseert om de uitbreiding van steden voor de jaren 70 kwantitatief te onderzoeken.
Deze paper introduceert een real-time MPC-CLF-CBF bewegingsplanner op basis van Bézier-curves die de connectiviteit van een zwerm robots in obstakelrijke omgevingen waarborgt, navigatieproblemen oplost en verbroken verbindingen herstelt, zoals geverifieerd door simulaties en fysieke experimenten met acht Crazyflie-quadcopters.
Dit artikel introduceert LARA-Gen, een kader dat continue en fijne emotionele controle mogelijk maakt voor muziekgeneratiemodellen door middel van latent affectieve representatie-uitlijning en een module gebaseerd op de valentie-arousal-ruimte, wat resulteert in superieure prestaties ten opzichte van bestaande methoden.
Dit paper introduceert een asset-gecentreerde, metrisch-semantische kaart voor binnenruimten die objecten als gedetailleerde mesh-voorstellingen combineert met natuurlijke taal, waardoor robuustere redeneer- en navigatiecapaciteiten met grote taalmodellen worden bereikt dan met bestaande benaderingen.
NaviGait is een hiërarchisch framework dat deep reinforcement learning combineert met trajectoptimalisatie om robuuste en intuïtieve loopbewegingen voor bipedale robots te genereren door bestaande gaits uit een bibliotheek te selecteren en minimaal aan te passen, wat resulteert in snellere training en betere stabiliteit dan bestaande methoden.
Deze paper introduceert een real-time neurale videocompressieframework dat intra- en intercodering verenigt binnen één model en een simultane tweeframe-compressie toepast om de compressie-efficiëntie aanzienlijk te verbeteren ten opzichte van bestaande methoden zoals DCVC-RT, terwijl het bovendien problemen met disocclusie en foutpropagatie oplost.
Dit artikel introduceert PULL, een lichtgewicht en volledig algoritme dat in polynomiale tijd verbinding behoudt voor ongelabelde multi-agent padvinding (CUMAPF) en hiermee de schaalbaarheidsproblemen van bestaande ILP-methoden oplost voor zwermrobotica-toepassingen.
Dit paper weerlegt de aanname dat reactieve replanning noodzakelijkerwijs bestaande plannen moet bijwerken, en toont aan dat het gebruik van snelle, bijna-zeker asymptotisch optimale (ASAO) algoritmen een efficiëntere oplossing biedt door een reeks onafhankelijke planningsproblemen op te lossen in plaats van bestaande plannen te hergebruiken.
Dit artikel toont aan dat een zorgvuldig geselecteerd subset van lichaamslandmarken, gecombineerd met spline-gebaseerde imputatie, de herkenning van geïsoleerde LIBRAS-gebaren niet alleen even accuraat maakt als geavanceerde methoden, maar ook meer dan vijf keer sneller verwerkt.
Dit paper introduceert FRIDA, een lichtgewicht raamwerk dat vooraf getrainde Stable Diffusion-features gebruikt om AI-genereren afbeeldingen zowel te detecteren als de bronmodel te attribueren, zelfs bij onbekende generatoren en met beperkte data.
EgoMI is een framework dat de kloof tussen mens en robot overbrugt door gesynchroniseerde hand- en hoofdtrajecten uit egocentrische demonstraties te gebruiken, waardoor een geheugenaugmentatiebeleid robuuste imitatieleer mogelijk maakt voor semi-humanoid robots met een bewegend camerahoofd.
Dit paper introduceert SPAN, een methode die de geometrische consistentie en prestaties van monokulaire 3D-objectdetectie verbetert door decoupled regressie aan te vullen met ruimtelijke projectie-uitlijning en hiërarchisch taakleren.
Deze paper introduceert V-Attack, een nieuwe methode die de vaak verwaarloosde 'value features' in transformer-modellen target om semantisch verstrengelde beeldrepresentaties te omzeilen en zo nauwkeurig beheersbare adversariële aanvallen op Large Vision-Language Models mogelijk te maken.
Dit paper introduceert AFRO, een zelftoezichtend framework dat dynamische 3D-voorstellingen leert door generatieve diffusie en omgekeerde dynamica te combineren, waardoor robuustere robotmanipulatie wordt bereikt zonder expliciete reconstructie- of actielabels.
Dit paper introduceert het eerste formele kader voor audio-visuele wereldmodellen, inclusief het AVW-4k dataset en het AV-CDiT-model, om agents in staat te stellen toekomstige multimodale toestanden te simuleren en zo hun prestaties bij navigatie significant te verbeteren.
Dit paper stelt dat klassieke benchmarkinstanties voor het Traveling Salesman Problem met tijdvensters niet langer representatief zijn voor evaluatie, omdat een nieuwe exacte methode deze binnen enkele seconden oplost en hun structuur dusdanig exploiteerbaar is dat resultaten misleidend goed lijken.
Dit paper introduceert AVGGT, een trainingsvrije tweestapsversnelling die de globale aandacht in VGGT en analyseert en optimaliseert door vroege lagen om te zetten in frame-aandacht en latere lagen te subsamplen, wat leidt tot een aanzienlijke versnelling van de inferentie (tot 10x) zonder in te leveren op nauwkeurigheid.