3730 papers
Dit artikel stelt een adaptief marge-gebaseerd metric learning-framework voor, met een nieuwe verliesfunctie voor ongebalanceerde datasets en een hiërarchische bilaterale poolingstrategie, dat een state-of-the-art prestatie bereikt in 3D puntenwolkclassificatie en -retrieval met lage computationele kosten.
Dit artikel stelt SO6D voor, een nieuwe methode die symmetrie-bewuste octree-codering combineert met Hough-voting en iteratieve verfijning om de state-of-the-art 6D-pose schatting te bereiken voor textuurloze, symmetrische industriële objecten.
Dit artikel stelt een flexibel multi-task leerframework voor dat 2D en 3D CNN-backbones verenigt om gelijktijdig knieosteoartritisclassificatie en meniscus/kraakbeensegmentatie uit te voeren, waarbij wordt aangetoond dat de 2D-variant de 3D-baselines overtreft in nauwkeurigheid, convergentiesnelheid en computationele efficiëntie op een grootschalige MRI-dataset.
Dit artikel presenteert een nieuw monoculair multi-view panoramisch sensorsysteem dat meerdere perspectieven in één enkele belichting vastlegt om hoogwaardige, realtime 3D-vormreconstructie te bereiken door contour voxel poolcoördinaten te doorlopen, waardoor uitdagingen zoals textuurloze oppervlakken en complexe camerastatups effectief worden overwonnen.
Dit artikel stelt MEFD-Net voor, een multimodale EEG-kenmerenfusiemodel dat verbeterde BiLSTM, adaptieve multi-schaalconvoluties met zelfaandacht en pure convolutionele netwerken integreert om robuuste, end-to-end detectie van vermoeid rijden te bereiken met significant verbeterde nauwkeurigheid, recall en F1-scores vergeleken met bestaande methoden.
Deze empirische studie toont aan dat hoewel het overzetten van lokale LLM-inferentie van CPU naar GPU de energie-efficiëntie en snelheid drastisch verbetert, het hardware-geïnduceerde nondeterminisme introduceert dat de codekwaliteit in 0-shot scenario's verslechtert, een uitdaging die effectief wordt gemitigeerd door 3-shot prompting om stabiele en duurzame codegeneratie te waarborgen.
Het artikel stelt Degradation-Aware Dynamic Frequency Routing voor Underwater Image Enhancement (DAFR-UIE) voor, een compact kader dat een gedeelde degradatie-embedding gebruikt om dynamisch frequentierouting, ruimtelijke modulatie en adaptieve fusie te coördineren voor samplespecifieke restauratie, waarbij het de state-of-the-art prestaties bereikt op benchmark-datasets met slechts 2,02 miljoen parameters.
Dit artikel introduceert "bron-naar-bewering-documentatie" als een kader voor het auditeren van generatieve AI in kwalitatief onderzoek door bronbewijs expliciet te koppelen aan modelinteracties en analytische beweringen, waardoor het bewijstraject dat noodzakelijk is voor heranalyse en menselijke oordeelsvorming wordt behouden.
Deze studie stelt een raamwerk voor gegevensfusie uit meerdere bronnen voor, dat geomagnetische, traject- en signaalgegevens integreert met geavanceerde rastergebaseerde clustering, Bayesiaanse netwerkanalyse en een met self-attention versterkt CNN-BiLSTM-model om stedelijke verkeerscongestie nauwkeurig te identificeren, te voorspellen en te beheersen, zoals gevalideerd door een casestudy in Jinan.
Deze studie toont aan dat post-hoc attributiemethoden voor klinische tijdreeksvoorspellingen vaak materieel inconsistente en klinisch consequente onenigheden opleveren, wat suggereert dat een op consequenties gekalibreerde audit waardevoller is dan het zoeken naar een universeel geprefereerde verklarmingsmethode.