💻 Category

cs

2358 papers

💻 computer science

Human action recognition based on cascade graph convolutional network

Dit artikel stelt een Cascade Graph Convolutional Network (CGCN) voor dat een Motion-Aware Hierarchical Adjacency Matrix gebruikt om gewrichtscorrelaties dynamisch te modelleren en een stapsgewijze gecascadeerde architectuur om acties met toenemende complexiteit progressief te classificeren, waardoor een superieur evenwicht wordt bereikt tussen herkenningsnauwkeurigheid en computationele efficiëntie over meerdere datasets.

Mengai Yan, Jianying Xiong, Ben Huang, Jiabin Chen, Leiyue Yao2026-08-28
💻 computer science

2D Rotary Position Embedding for Scene Text Recognition with Transformers

Dit artikel introduceert \method{}, een parametervrije adaptatie van 2D Rotary Position Embedding voor Scene Text Recognition die de beperkingen van bestaande methoden aanpakt door dimensies anisotroop toe te wijzen om tekst-aspectratio's te matchen en de rotary coupling uit te breiden naar encoder-decoder cross-attention, waardoor de nauwkeurigheid op gebogen, geroteerde en perspectivisch vervormde tekstlay-outs aanzienlijk wordt verbeterd.

Zobeir Raisi2026-08-27
💻 computer science

A PRISMA-Guided Critical Review of CNN, Transformer, and Hybrid Object Detection Architectures for Autonomous Driving

Deze op PRISMA gebaseerde kritische review van 142 studies naar CNN-, Transformer- en hybride objectdetectiearchitecturen voor autonoom rijden identificeert significante hiaten in bewijsvoering voor real-world implementatie en introduceert het AVOD-DRF-framework om een reproduceerbare, op bewijs gebaseerde selectie van detectoren mogelijk te maken op basis van operationele gereedheid in plaats van enkel benchmarkprestaties.

Girija G. Chiddarwar, Madhav J. Salunkhe, Yogesh G. Joshi, Rahul G. Deshmukh, Swapnil Yashavant Gadgune, Suraj Rajaram N (…)2026-08-27
💻 computer science

Class-Aware Semantic Hybrid Data Augmentation for Imbalanced Sentiment Classification Using Multiple Transformer Models

Dit artikel stelt een Class-Aware Semantic Hybrid Data Augmentation (CSHDA) framework voor dat selectief diverse, semantisch gevalideerde augmentatietechnieken toepast op minderheidsklassen, waardoor klassenimbalans effectief wordt gemitigeerd en de prestaties en robuustheid van meerdere transformer-gebaseerde modellen bij ongebalanceerde sentimentclassificatietaken aanzienlijk worden verbeterd.

Prashant Upadhyaya, G.L. Saini, Atul Makrariya2026-08-27
💻 computer science

A Prior-Regularized Framework for Knowledge-Guided Differentiable Causal Discovery

Dit artikel stelt een universeel door priors geregulariseerd kader voor dat gecureerde biologische kennis integreert in differentieerbare causale ontdekkingsalgoritmen, wat de nauwkeurigheid van graafherstel in hoogdimensionele, kleine transcriptomische datasets aanzienlijk verbetert door gebruik te maken van bestaande domeinpriors om het leerproces te stabiliseren waar basismethoden moeite hebben.

Shuaidong Gao2026-08-27✓ Author reviewed ⓘ
💻 computer science

GPU-Accelerated BM4D Volumetric Denoising for Python: A Toolchain- Free, Pip-Installable CuPy Implementation

Dit artikel introduceert een volledig open-source, via pip installeerbare CuPy-implementatie van het volledige BM4D volumetrische denoising-algoritme die de noodzaak voor een CUDA Toolkit of build-stappen elimineert, terwijl een versnelling tot 36,6x ten opzichte van de CPU-referentie wordt bereikt en de exacte numerieke getrouwheid aan de oorspronkelijke methode behouden blijft.

Matin Mahzad2026-08-27
💻 computer science

XGBoost Optimization using Single Lead ECG based on Multi-feature of ECG Morphologies for Automatic Sleep Disorder Classification

Deze studie presenteert een automatisch systeem voor de classificatie van slaapstoornissen dat een geregulariseerd XGBoost-algoritme gebruikt om multi-feature morfologieën van single-lead ECG-signalen te analyseren, waarbij een hoge nauwkeurigheid (96,1%), specificiteit (100%) en sensitiviteit (92,1%) wordt bereikt bij het onderscheiden van apneu-events.

Iman Fahruzi, Muhamad Haikal Akmal, Ridwan Ridwan, Abdurahman Dwijotomo2026-08-27
💻 computer science

Statistically Guided Hybrid Local–Global Learning for Compressed Deepfake Video Detection

Dit artikel stelt een statistisch geleid hybride lokaal-globaal leerframework voor dat geoptimaliseerde YCbCr-kenmerken combineert met een nieuwe 3SH–VSS-architectuur om gecomprimeerde deepfake-video's effectief te detecteren door gelijktijdig lokale compressie-artefacten en globale vervalsingsafhankelijkheden te modelleren, waarbij superieure prestaties en generalisatie over datasets heen worden bereikt.

Tianyu Shi, Shichao Ouyang, Juan Li, Guodong Ye, Xingxing Jia2026-08-27
💻 computer science

A reusable benchmark for machine-learning prediction of concrete placement productivity loss

Dit artikel introduceert een herbruikbare, synthetische benchmark voor het evalueren van machine learning-modellen die de productiviteitsverlies bij het storten van beton voorspellen, waarbij wordt onthuld dat huidige competente modellen er niet in slagen ernstige verliezen adequaat te vatten en de noodzaak voor gestandaardiseerde, in de praktijk gevalideerde evaluatieprotocollen wordt benadrukt.

Mohamed Ali, Saher Elsayed, TS. DR. Khairi Azhar Aziz2026-08-27
💻 computer science

Early Detection of Schizophrenia Using EEG Signals Based on CNN and CNN–LSTM Deep Learning Models

Deze studie toont aan dat een hybride CNN–LSTM deep learning-model een standalone CNN aanzienlijk overtreft bij het detecteren van schizofrenie uit rusttoestand-EEG-signalen, waarbij een nauwkeurigheid van 92,03% wordt bereikt en de waarde van het integreren van temporele sequentieleer voor objectieve diagnose wordt benadrukt.

Hussein Aly Elsayed, Arief Ruhullah Harris, Tian Swee Tan2026-08-27