3462 papers
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.
Dit paper introduceert UniBYD, een unificerend raamwerk dat dynamisch versterkend leren en een unificerende morfologische representatie combineert om robotmanipulatie te optimaliseren die is afgestemd op de fysieke kenmerken van diverse robothanden, waardoor de beperkingen van puur imiteren van menselijke demonstraties worden overwonnen en de prestaties aanzienlijk worden verbeterd.
Deze paper introduceert een zelftoezichtend raamwerk genaamd Decomposition and Composition dat een optimale balans tussen rekenkosten en prestaties bereikt door multimodale skeletgebaseerde actieherkenning te verbeteren via strategieën voor het ontleden en samenvoegen van kenmerken.
Deze paper introduceert D²-Align, een nieuw raamwerk dat 'Preference Mode Collapse' in diffusion modellen voor menselijke voorkeursuitlijning aanpakt door de beloningssignalen directioneel te decoupleren, waardoor zowel de kwaliteit als de diversiteit van de gegenereerde afbeeldingen wordt verbeterd.
Dit paper introduceert Preguss, een modulair raamwerk dat statische analyse en deductieve verificatie combineert met LLM-ondersteunde synthesese om formele specificaties te genereren en zo de verificatie van grote, real-world programma's met meer dan 1000 regels code aanzienlijk te automatiseren en de menselijke inspanning met 80,6% tot 88,9% te verminderen.
Dit artikel biedt een gestructureerd overzicht van de fundamentele concepten, de specifieke beveiligingsrisico's en de verdedigingsmechanismen voor digitale semantische communicatie, waarbij de nadruk ligt op de unieke kwetsbaarheden die ontstaan door de overgang van analoge naar discrete, bit-gebaseerde transmissie.
Dit paper introduceert SeLop, een methode die het generalisatieprobleem bij het detecteren van gezichtsfake-oplossingen aanpakt door spurious correlaties te elimineren via orthogonale projectie op een laag-rang deelruimte, waardoor een robuustere en generaliseerbaardere detector ontstaat met slechts 0,39M trainbare parameters.
Dit artikel introduceert een doelgerichte benadering voor het beoordelen van methoden voor Privacy by Design, waarbij wordt voorgesteld om organisatiedoelen in plaats van alleen proceskenmerken als maatstaf te hanteren om de keuze en aanpassing van vereistenengineering-methoden te ondersteunen.
Dit paper introduceert CovertComBench, een specifiek testplatform dat aantoont dat hoewel grote taalmodellen (LLMs) goed zijn in conceptueel inzicht en codegeneratie voor covert communicatie, ze aanzienlijke beperkingen vertonen in het uitvoeren van de complexe wiskundige afleidingen die nodig zijn voor strikte beveiligingsgaranties.
Dit artikel presenteert een zwak toezicht houdend raamwerk met een patch-gebaseerde pretraining (HerdNet) dat de detectie en telling van rendieren in complexe Arctische omgevingen aanzienlijk verbetert ten opzichte van standaard ImageNet-initialisatie, waardoor nauwkeurige monitoring mogelijk wordt ondanks beperkte gelabelde data.
Dit paper introduceert een detectiemethode voor door AI gegenereerde afbeeldingen die gebruikmaakt van de gedeelde eindcomponenten van generatoren om echte afbeeldingen te 'verontreinigen' en zo een detector te trainen die met hoge nauwkeurigheid generaliseert naar onbekende generatormodellen.
Dit paper introduceert RegionReasoner, een versterkingsleerframework dat multi-round visuele redenering verbetert door grondige referenties aan objecten en globale-lokale semantische consistentie te eisen, vergezeld van een nieuw benchmark genaamd RegionDial-Bench voor systematische evaluatie.