💻 计算机科学
Entity-Level Post-Hoc Reliability Calibration for Named Entity Recognition via Multi-Source Features
本文提出了一种针对命名实体识别的后验实体级可靠性校准方法，该方法利用多源特征来训练一个轻量级校准器，在无需修改底层模型的情况下，显著提高了置信度准确性和部署鲁棒性。
💻 Category
cs
4092 篇论文
💻 计算机科学
Parkinson's Disease Drug Dose Optimization Using Multi-Objective Reinforcement Learning
本文提出了一种用于优化帕金森病药物剂量的多目标强化学习框架，该框架生成了一组帕累托最优策略集，以显式地建模并权衡运动症状控制与异动症风险之间的取舍，在优于临床医生和随机基准线的同时，支持透明且以患者为中心的决策制定。
💻 计算机科学
Engineering the First Digital Keyboard for the Zou Language: Layout Optimization and Standardized Repository Integration
本文详细阐述了首个邹语数字键盘的设计、优化与标准化过程，通过将定制的字符映射方案成功集成至全球 Keyman 仓库，克服了硬件限制，并实现了这一资源匮乏脚本的计算保存与数字化本地化。
💻 计算机科学
Hierarchical Progressive Stereo Extrinsic Self-Calibration with Stereo Super-Resolution and Multi-Level Correspondence Filtering
本文提出了一种分层渐进式自校准（HPSC）框架，通过一个集成立体超分辨率、深度分层匹配剪枝和分层动态抑制的统一三阶段流水线，共同解决自动驾驶立体相机中的分辨率退化、深度相关不确定性以及动态物体干扰问题。
💻 计算机科学
MR-STGCN: A Multi-weather Robust Spatial–Temporal Graph Convolutional Network for Skeleton-based Gesture Recognition
本文介绍了 MR-STGCN，一种多天气鲁棒的时空图卷积网络，该网络利用动态区域路由注意力机制和多尺度空洞卷积，实现了在恶劣天气条件下对交警指挥手势的高精度、低延迟识别。
💻 计算机科学
Liability in Motion: A retrieval-augmented LLM application in road traffic liability apportionment
本研究提出了一种检索增强型语言模型，该模型通过整合分类法法律元数据和按相关性排序的范例，预测德国法律下的比例道路交通责任分布，从而通过合理化且符合正义原则的算法预测来促进庭外和解。
💻 计算机科学
SRM-UNet: A Lightweight Structure-Region Guided Network with Multi-Receptive-Field Learning for Dermoscopic Skin Lesion Segmentation
本文介绍了 SRM-UNet，这是一种轻量化网络，它通过采用显式的结构-区域先验协作机制和多感受野学习，在具有模糊边界和不规则形状的皮肤镜图像上实现了高精度、资源高效的皮肤病变分割。
💻 计算机科学
Intelligent Cross-modal Alignment With Cataphora Dependency Modeling-based Text-to-image Synthesis and Captioning Using Gclan and Gq2phpt
本文提出了一种智能跨模态对齐框架，该框架利用基于 GCLAN 的文本生成图像模块和基于 GQ2PHPT 的图像描述模块来建模照应依赖关系（Cataphora Dependencies），从而实现了成功率为 0.9422 且总准确率为 98.9734% 的高精度内容检索与生成。
💻 计算机科学
EAMF: Evidence-Aware Multimodal Fusion for Conversational Emotion Recognition
本文提出了EAMF，这是一个面向决策的框架，通过构建互补证据来专门解决紧密竞争的情绪类别之间的歧义决策，从而通过增强多模态对话情感识别，在具有挑战性的少数类类别上实现性能提升。
💻 计算机科学
CASCADE: Cross-modal Adaptive Dynamic Gating for Scene Text Recognition
本文提出了 CASCADE，一种用于场景文本识别的可解释自适应跨模态融合模块，该模块利用难度估计器和解耦门控机制来动态平衡视觉与语言特征，在多个基准测试中实现了最先进的性能，同时提供了透明的决策见解。