3836 papers
Deze studie introduceert een forensische methode voor het detecteren van door AI gegenereerde afbeeldingen, genaamd 'diffusion snap-back reconstruction', die analyseert hoe afbeeldingen reageren op reconstructie door een diffusiemodel en hiermee een hoge nauwkeurigheid bereikt zonder te vertrouwen op traditionele pixelartefacten.
Dit paper introduceert PhantomFetch, de eerste hardware-onafhankelijke verdediging die IP-stride prefetchers veilig maakt tegen side-channel aanvallen door gevoelige laadpatronen te verdoezelen, zonder de prefetching-prestaties te offeren of hardware-aanpassingen te vereisen.
Dit artikel introduceert MUGSQA, een nieuwe methode, dataset en benchmarks voor de kwaliteitsbeoordeling van 3D-reconstructies met Gaussian Splatting, waarbij rekening wordt gehouden met meerdere onzekerheden in de invoergegevens om de perceptuele kwaliteit nauwkeuriger te evalueren.
Dit paper introduceert CountOCC, een nieuw framework voor amodale objecttelling dat door middel van hiërarchische multimodale gidsing en een visuele equivalentiedoelstelling de door verduistering veroorzaakte fouten in bestaande methoden oplost en zo state-of-the-art prestaties bereikt op nieuwe, verduisterde datasets.
Dit artikel introduceert LAMP, een framework dat taal verrijkt in multi-agent versterkend leren via een 'Denk-Spreek-Beslis'-pipeline om economische beslissingen robuuster, effectiever en interpreteerbaarder te maken.
Het artikel introduceert Video2Layout, een framework dat met behulp van continue objectgrenskoördinaten in plaats van rasterkaarten een metrisch onderbouwde cognitieve kaart reconstrueert uit video's, waardoor de ruimtelijke redeneerprestaties van multimodale grote taalmodellen significant worden verbeterd.
Deze paper introduceert MOMNet, een nieuw raamwerk voor dieptedetailverbetering dat zonder strikte ruimtelijke uitlijning tussen RGB- en dieptedata presteert door middel van een multi-orde matching- en aggregatiemechanisme, waardoor het robuust is tegen misalignement in real-world scenario's.
Dit paper introduceert DualMindVLM, een visueel taalmodel dat een efficiënt dual-systeem denkmechanisme implementeert door automatisch te kiezen tussen snelle en langzame redenering op basis van probleemcomplexiteit, wat leidt tot state-of-the-art prestaties met minder tokenverspilling.
Dit artikel introduceert de Radiative-Structured Neural Operator (RSNO), een nieuwe diepe leer-methode die fysisch consistente, continue spectrale super-resolutie bereikt door multispectrale beelden om te zetten in hyperspectrale beelden via een driestapsproces met hoek-consistente projectie.
Deze paper introduceert UnfoldLDM, een diep-ontvouwing-gebaseerd raamwerk dat latent diffusion-priors integreert om blind beeldherstel te verbeteren door degradatie-afhankelijkheid en oververvaging aan te pakken via een multi-granulariteitsmodule en een degradatie-resistente transformer.
Deze studie analyseert hoe Reddit-gebruikers tussen november 2022 en mei 2025 collectief omgaan met privacybezorgdheid rondom ChatGPT door middel van risicosignaleren, het stellen van normen en het delen van strategieën voor privacybehoud.
Deze paper presenteert een stabiel multi-drone GNSS-tracking-systeem voor maritieme robots dat, door middel van visuele detectie, multi-object tracking, triangulatie en een confidence-gewogen Extended Kalman Filter, nauwkeurige positiebepaling mogelijk maakt op het wateroppervlak en net daaronder.
Dit paper introduceert Yo'City, een nieuw agentisch kader dat gebruikmaakt van grote modellen voor top-down planning en een iteratief verfijningsproces om gepersonaliseerde, onbeperkt uitbreidbare en realistische 3D-stadsscènes te genereren die de huidige state-of-the-art-methoden overtreffen.
DOPD is een dynamisch systeem voor het uitvoeren van LLM-inferentie dat de verhouding tussen voorafvul- en decoderingsinstanties aanpast op basis van real-time belasting om onbalans in heterogene werklasten op te lossen en zo de goodput en SLO-ervaring aanzienlijk verbetert ten opzichte van bestaande oplossingen.
Deze paper introduceert het onderzoek naar fouttolerante spanners in hypergrafieken en presenteert een snellend, op clustering gebaseerd algoritme dat sublineaire rand-fouttolerante hyperspanners construeert, terwijl het ook een ondergrens voor de grootte ervan vaststelt.
Dit artikel presenteert een LLM-ondersteund multi-agent framework dat de ontwerp- en aanpassingsprocessen van roll-to-roll productiesystemen automatiseert door middel van vijf fasen, waaronder systeemidentificatie en veiligheidsverificatie, wat leidt tot efficiëntere spanningsregeling en minder handmatig instelwerk.
Het paper introduceert RadDiff, een nieuwe methode voor eiwit-inverse vouwing die door middel van een op retrievals gebaseerd mechanisme en een kennisbewust diffusion-model de prestaties van bestaande methoden verbetert door tot 19% hogere sequentierecovery-rates te bereiken.
Dit artikel introduceert een raamwerk voor voorschrijvend onderhoud dat een causaal fundamenteel model integreert om als 'wat-als'-simulator te fungeren, waardoor de oorzaken van productiefouten niet alleen worden voorspeld maar ook begrepen en geoptimaliseerd kunnen worden via gerichte interventies om de algehele apparaateffectiviteit te verhogen.
Deze paper introduceert S2AM3D, een schaalcontroleerbaar model voor part-segmentatie van 3D-puntenwolken dat 2D-segmentatiepriors combineert met 3D-consistente supervisie en een nieuw groot dataset om robuuste en aanpasbare segmentatie van complexe structuren te bereiken.
Dit paper introduceert CAEC, een systeem dat op Arm CCA is gebaseerd en beveiligd geheugendelen tussen Confidential Virtual Machines (CVMs) mogelijk maakt zonder de hypervisor, waardoor de prestaties van inter-CVM-communicatie aanzienlijk worden verbeterd ten opzichte van traditionele encryptiemethoden.