💻 computer science
Single-View 3D Shape and Pose Estimation of Transparent Objects Using Statistical Shape Models
本文提出了一种通过利用 YOLO11 进行初步检测，并迭代优化特定类别的统计形状模型以克服传统深度传感器局限性的方法，从而从单幅 RGB-D 图像中估计透明物体的完整 3D 形状和姿态。
💻 Category
cs
2363 篇论文
💻 computer science
CAPE-Net: Conformal, Adaptive, and Drift-Aware Early-Exit Classification of Encrypted Traffic at ISP Scale
CAPE-Net 是一种符合性、自适应且具备漂移感知能力的早期退出分类器，它通过在一个紧凑的模型中集成无分布误差保证、对未知应用的弃权机制以及高效的逐类漂移修复，使互联网服务提供商（ISP）能够基于数据包序列元数据进行准确、经过认证且易于维护的加密流量分类。
💻 computer science
Design and Performance Evaluation of Blockchain-Enabled Policy-Based Access Control (PBAC) for Medical Data Sharing
本文提出并评估了一种基于区块链的策略驱动访问控制（PBAC）框架，该框架通过在 Hyperledger Besu 上使用 Solidity 智能合约实现，旨在通过动态授权和透明审计实现安全、符合 GDPR 标准且以患者为中心的医疗数据共享，并在各种共识机制下展示了性能效率与患者自主权之间的平衡折衷。
💻 computer science
Mathematical Scientific Discovery Using Large Language Models: A Systematic Literature Review
本项遵循 PRISMA 2020 指南的系统性文献综述分析了 32 项关于利用大语言模型进行数学发现的研究，旨在识别七种技术范式，强调进化搜索结合形式化验证的卓越效能，并提供一个分类法以指导该领域的未来研究。
💻 computer science
Research on IIoT Network Attack Detection Based on Class Imbalance Processing and Attention Mechanism
本文提出了一种结合了 Borderline-SMOTE 等类别不平衡处理技术与 CNN–BiLSTM–Attention 模型的工业物联网（IIoT）网络攻击检测方法，旨在显著增强对 TON-IoT 数据集中少数类攻击的识别能力以及整体检测性能。
💻 computer science
A Trust-Aware Framework for Hallucination Detection and Accuracy Paradox Analysis in Large Language Models
本文介绍了 TrustSLM，这是一个具备信任感知能力的框架，它利用可靠性指标聚合来自多个大语言模型的输出，以检测幻觉、识别过度自信错误的准确性悖论，并通过受控的弃权策略来调节响应，从而实现更安全的 AI 部署。
💻 computer science
YOLOv11-AHFE:Adaptive High-Frequency Signal Enhancement Mechanism for Surface detection
本文提出了 YOLOv11-AHFE，这是一种将双流小波变换和高频增强模块集成到 YOLOv11 架构中的新型表面缺陷检测算法，旨在保留并恢复在传统下采样过程中丢失的关键高频细节，从而显著提高对金属表面复杂且小尺度缺陷的检测能力。
💻 computer science
Minimax Training Closes the Reconnaissance Gap in Learned Network-Robustness Design
本文证明了采用极大极小（minimax）训练目标——即针对动态重计算的最坏情况攻击组合，而非单一固定策略来优化网络重构智能体——能够显著缩小“自适应退化差距”，并产生在面对具备侦察能力的对手时具有卓越最坏情况鲁棒性的拓扑结构，且该结论与所使用的特定优化器无关。
💻 computer science
A Metro Passenger Flow Prediction Method Based on Adaptive Graph Convolution and Hybrid Attention
本文提出了 AGHA-Net，一种创新的深度学习框架，该框架通过集成自适应图卷积、时空门控循环单元以及双支路混合注意力机制，通过有效捕捉动态空间依赖性和复杂的时序模式，显著提高了短期城市轨道交通客流预测的准确性和稳定性。
💻 computer science
De-identification of Brazilian Portuguese Clinical Records Using a Hybrid Pipeline with Local Language Models
本文提出并评估了一种用于对巴西葡萄牙语临床记录进行脱敏处理的离线混合流水线，该流水线利用本地开源权重语言模型和基于规则的过滤器，在无需针对特定任务进行微调的情况下，在配置适中的硬件上展示了高召回率和稳定性。