💻 计算机科学
Enhanced Probabilistic 2D Human Pose Estimation via Adaptive Probability Map and Multi-scale Context Fusion
本文提出了一种概率性二维人体姿态估计框架，该框架集成了一个多尺度上下文融合视觉 Transformer 骨干网络、一个用于动态不确定性建模的自适应概率图，以及一个用于显著提升在涉及遮挡和越界关键点等挑战性场景下性能的自适应 OKSLoss。
💻 Category
cs
4092 篇论文
💻 计算机科学
Routing by Hurst: Matching Decomposed Modes to Inductive Biases for Time-Series Learning
本文提出了 HRMN，一种模仿灵长类皮层分层处理机制的新型时间序列学习框架，该框架通过经验模态分解（EEMD）将信号分解为本征模态，并根据其赫斯特指数（Hurst exponents）将瞬态和持续性分量分别路由至专门的 TCN 和 Transformer 分支，从而在分类、回归和异常检测任务中实现了最先进的性能，且参数量显著少于现有模型。
💻 计算机科学
Context-Aware Flight-Phase Anomaly Detection via Cross-Perception Attention
本文提出了 CAFAD，一种通过利用飞行阶段与局部空域特定上下文集之间的跨感知注意力，来实现细粒度的阶段级异常检测，从而提升飞行轨迹安全性的上下文感知方法。
💻 计算机科学
Nonparametric domain adaptation for multimodal connoisseurship of Buddhist statuary across dynasties (ChronoStyleNet2.0)
ChronoStyleNet 2.0 是一个非参数化、多模态系统，旨在通过利用结构化提示词和检索增强生成技术，辅助专家对中国历代佛教造像进行记录、断代与解读，在风格分析与断代方面展现出强劲性能，同时作为一种可追溯的辅助工具而非专家判断的替代品。
💻 计算机科学
Quantum Key Search Algorithms under Side-channel Attack
本文提出了一种改进的量子密钥搜索算法，该算法利用侧信道攻击诱导的误差分布，实现了相对于经典方法的超二次方加速，并优于像 Glaser 这样的现有量子方法，同时通过高效的 Dicke 态实现解决了输入态制备的挑战。
💻 计算机科学
Conditional Generation of Overlapping Mixed-type Wafer Bin Map Defects via Feature-wise Linear Modulation
本文提出了晶圆条件生成网络（WCGN），这是一个将特征线性调制集成到 U-Net 架构中的框架，用于为重叠的混合类型晶圆分箱图缺陷生成可解释的像素级掩码，从而在分割精度上超越了现有最先进的方法，并支持半导体制造中的工程师在环诊断。
💻 计算机科学
TCGA-Informed Digital Twins for Safe Offline Reinforcement Learning in Chemotherapy Dose Optimization
本文提出了一种基于 TCGA 信息驱动的数字孪生框架，该框架利用 SafeCQL 离线强化学习，通过在一个透明的临床前模拟环境中，在肿瘤控制与生理安全约束之间进行显式平衡，来优化化疗给药策略。
💻 计算机科学
Action-masked deep Q-learning for optimizing full-length and short-turn urban rail services
本文提出了一种动作掩码深度Q学习框架，通过在全长运行模式与短缩运行模式之间进行动态选择来优化城市轨道交通服务，与传统的固定或基于阈值的策略相比，该框架在确保运营可行性的同时，显著降低了乘客等待时间并提升了服务能力。
💻 计算机科学
Traffic flow forecasting with explicit priors and prior-conditioned adaptive fusion
本文提出了一种交通流预测框架，该框架将动态观测值与结构及周期先验显式分离，并通过一种新颖的先验条件自适应融合（PCAF）机制将二者进行整合，从而在多个数据集上实现了最先进的准确度。
💻 计算机科学
Reliability-Aware Sensor Fusion via Bidirectional Diffusion for Robust Robot Odometry
本文提出了 PUD–DIKF，这是一种可靠性感知型 LiDAR–RGB–D–IMU 里程计系统，该系统利用通过双向扩散推导出的预测不确定性张量来动态调整卡尔曼滤波协方差，从而防止退化的测量值主导状态更新，并在多个基准测试上实现了卓越的轨迹精度。