93 papers
Dit artikel introduceert Hybrid eTFCE-GRF, een snelle en exacte methode voor voxelgebaseerde morfometrie die clustergroottes via een union-find-structuur combineert met analytische GRF-p-waarden, waardoor de berekeningstijd drastisch wordt verkort zonder de statistische nauwkeurigheid te verliezen.
Deze studie vergelijkt lokale, gecentraliseerde en federatieve deep learning-modellen voor het beoordelen van de relatie tussen de derde kies en het kaakbeenkanaal op panoramische röntgenfoto's en concludeert dat gecentraliseerd leren de beste prestaties levert, terwijl federatief leren een privacy-bewust alternatief biedt dat beter presteert dan lokaal leren.
Dit artikel toont aan dat beeld-in-beeld-steganografie, waarbij een afbeelding in een andere van dezelfde grootte wordt verborgen, kwetsbaar is voor detectie door middel van onafhankelijke componentenanalyse en een eenvoudige steganalysemethode gebaseerd op de eerste vier momenten van golfkleedcomponenten, wat leidt tot zeer hoge detectiepercentages.
Dit paper introduceert UniCAC, een uitgebreid benchmark voor fotografische camera's, en een nieuwe Optical Degradation Evaluator (ODE) om de prestaties van computationele aberratiecorrectie-algoritmes te evalueren en de invloed van drie sleutelfactoren op hun generalisatievermogen te analyseren.
O3N introduceert het eerste puur visuele, end-to-end framework voor omnidirectionele open-vocabulaire 3D-occupancy-predictie, dat middels een polaire-spiraal Mamba-architectuur en geavanceerde modale uitlijning state-of-the-art prestaties en superieure generalisatie bereikt voor autonome agenten.
Deze paper introduceert een op een adversariaal deep-unfolding netwerk gebaseerde super-resolutiemethode die, zonder grote trainingsdatasets, de kwaliteit van MA-XRF-scanresultaten van oude meesters verbetert door gebruik te maken van één enkel hoogwaardig RGB-afbeelding.
Dit paper introduceert een benaderend expectation-maximization-algoritme dat de 3D-structuur van kleine moleculen direct uit cryo-EM-micrografieën reconstrueert, waardoor de noodzaak om afzonderlijke projectieafbeeldingen te lokaliseren in situaties met een zeer laag signaal-ruisverhouding wordt omzeild.
Dit paper introduceert ResSR, een computerefficiënte, modelgebaseerde methode voor multispectrale superresolutie die spectrale en ruimtelijke verwerking ontkoppelt om hoge reconstructiekwaliteit te bereiken zonder toezicht of zware optimalisatie, terwijl het 2 tot 10 keer sneller is dan bestaande methoden.
Deze studie introduceert een visiegebaseerd systeem dat met behulp van computer vision en objectdetectie het rijgedrag van niet-verbonden voertuigen analyseert om afleiding en vermoeidheid te detecteren en zo bijdraagt aan het verminderen van verkeersongevallen.
Dit paper introduceert MedFuncta, een unificerend framework dat door middel van meta-lering en een gedeelde neurale veldrepresentatie efficiënte schaalbaarheid voor diverse medische datasets mogelijk maakt, terwijl het tegelijkertijd nieuwe inzichten biedt in activatiefuncties en een groot openbaar dataset (MedNF) beschikbaar stelt.
Dit artikel presenteert een energiezuinige Adiabatische Capacitieve Neuron (ACN) in 0,18µm CMOS-technologie die, vergeleken met conventionele niet-adiabatische ontwerpen, een verbeterde nauwkeurigheid en robuustheid biedt met een synapsenergiebesparing van meer dan 90%.
Overtone introduceert een flexibele, architecture-onafhankelijke aanpak voor PDE-simulaties die door dynamische, cyclische modulatie van patch-groottes systematische harmonische fouten vermindert en rekenkosten aanpast, wat resulteert in aanzienlijk lagere fouten en verbeterde efficiëntie vergeleken met traditionele statische modellen.
Deze paper introduceert GMLN-BTS, een lichtgewicht grafiekgebaseerd netwerk voor multi-modale hersentumorsegmentatie dat met slechts 4,58 miljoen parameters state-of-the-art prestaties bereikt door middel van een modality-aware encoder, een grafiekgebaseerde interactiemodule en een voxelverfijningseenheid.
Dit paper introduceert een uitlegbare actieve leerframework voor medische beeldanalyse dat een dual-criteria selectiestrategie combineert—onvoorspelbaarheid en afwijking van radioloog-gedefinieerde aandachtspunten—om met een beperkt aantal voorbeelden modellen te trainen die zowel nauwkeurig als klinisch interpreteerbaar zijn.
Het artikel introduceert CogGen, een volledig onbewaakte deep generative model die de cognitieve belasting reguleert door k-ruimte-data via een zelf-paced curriculum van laag naar hoog frequentie te verwerken, waardoor de reconstructie van gecomprimeerde MRI-beelden sneller convergeert en nauwkeuriger is dan bestaande methoden.
Deze paper analyseert hoe diffusion-based beeldbewerking onbedoeld robuuste onzichtbare watermerken kan vernietigen door de payload te behandelen als ruis, en biedt hierbij een theoretisch bewijs, empirische validatie en richtlijnen voor toekomstige ontwerpen.
Dit artikel introduceert HoloPASWIN, een robuust deep learning-framework op basis van Swin Transformers dat fysiek bewust is ontworpen om het tweelingbeeldprobleem in inline digitale holografie effectief te onderdrukken en hoogwaardige reconstructies te leveren door lokale details en lange-afstand afhankelijkheden te combineren met frequentiedomein-beperkingen.
Dit onderzoek presenteert een 360-graads multicamera-systeem voor het detecteren van blauwe noodlichten met een nauwkeurigheid van 94,7% door middel van het verbeterde RT-DETR-model met kleuraandacht, getraind op de ABLDataset en ontworpen ter versterking van verkeersveiligheid en ADAS.
Dit artikel presenteert een snapshot HDR-beeldsensor met een niet-regelmatige pixelindeling en variërende aperturen die, gecombineerd met reconstructie in het Fourier-domein, een hoge dynamische bereik bereikt zonder aliasing-artefacten of verlies van ruimtelijke resolutie.
Dit onderzoek toont aan dat eenvoudige long-cropping een effectieve strategie is om raciale bias in deep learning-modellen voor borstfoto's te verminderen zonder de diagnostische nauwkeurigheid te verliezen.