💻 computer science
Two-Stage Synthetic-to-Real Transfer Learning for Automated Mammography Report Generation Using Vision-Language Models
本文提出了一种两阶段的合成到真实迁移学习框架，该框架利用 400 份经过临床验证的合成报告来预训练视觉-语言模型，与现有的最先进方法相比，显著提高了自动乳腺 X 线摄影报告生成的性能和数据效率，并减少了幻觉现象。
💻 Category
cs
929 篇论文
💻 computer science
Task-Adaptive Decoder Specialization for Unified Image Coding Toward Human Reconstruction and Machine Classification
本文提出了一种任务自适应解码器特化框架，该框架利用共享编码器和潜表示，通过动态重构的解码器侧适配器，在统一图像编码中（特别是在低比特率下），同时增强用于机器分类的语义判别性和用于人类感知的高频纹理保真度。
💻 computer science
Application Possibilities of Containerization in QKD Network Simulations
本文提出了一个基于 Docker 的框架，该框架将 SeQUeNCe、QuNetSim 和 SimQN 集成到一个统一、可扩展的环境中，并通过 API 驱动的通信和交互式可视化，来简化量子密钥分发（QKD）网络的模拟、分析与部署。
💻 computer science
Predicting Visual Acuity from Fundus Photographs Using a Domain-Pretrained Vision Transformer: Anatomical Alignment of Attention Patterns
本研究表明，通过在超过 21,000 张眼底照片上进行微调的领域预训练 Vision Transformer（RETFound），在预测四分类视力方面实现了显著的一致性，同时发展出了解剖结构有序的注意力模式——从低视力眼睛中的视网膜血管转向正常视力眼睛中的黄斑区——这些模式与分类正确性相关联，并为不确定预测提供了可解释性。
💻 computer science
Semantic Alignment, Chronological Distance, and Citation-Network Prominence in Citation Formation: Evidence from Ten Citation Corpora
通过在十个文献语料库上应用严格的缓解泄漏框架，本研究证明了时间距离是引文形成的主导预测因子，在时间严格限制的条件下，其预测能力始终优于语义对齐和引用网络显著性。
💻 computer science
Cross-Attention Based Multi-Sensor Fusion for Robust Object Detection in ADAS: YOLOv12 with Spatiotemporal Calibration and iHOA-Tuned Temporal Fusion Transformer
本文提出了一种名为 CAMSF-ADAS 的鲁棒性目标检测框架，用于高级驾驶辅助系统，该框架通过时空校准和交叉注意力融合整合了摄像头、激光雷达和雷达数据，并利用 YOLOv12 进行定位，以及通过改进的河马优化算法调优的时空融合 Transformer 来增强分类。
💻 computer science
Retrofit or Redesign? Hardware-Validated Constant-Time Defense and Cost Analysis for the M-Step Side-Channel on TrustZone-M
本文通过在 Arm TrustZone-M 上的真实硅片验证表明，针对常数时间执行对加密算法进行重新设计优于后期补救，因为后者不仅会产生高出约两个数量级的成本，而且还存在保留可被利用的控制流泄漏的风险，而这类泄漏只有通过逐指令验证才能检测出来。
💻 computer science
From Infrared to Ultraviolet]{From Infrared to Ultraviolet: A Renormalization Group Approach to Frequency-Aware Progressive Training
本文提出了一种受重整化群启发、具有频率感知能力的渐进式训练策略，该策略通过以递减的学习率顺序激活从低到高频的分支，证明了其在低维、少样本回归任务中的持续改进，同时阐明了其在尺度分离相关性较低的高维或平滑过程场景中，有效性会随之降低。
💻 computer science
Dual-Stage Guided Artificial Lemming Algorithm (DALA) For Solving Engineering Application Optimization Problems
本文提出了双阶段引导人工旅鼠算法（DALA），该算法通过自适应概率排序、结合对抗学习与拓扑学习的两阶段贪婪策略以及 JADE 变异，增强了传统的 ALA，从而有效地解决高维工程优化问题以及电力负荷预测中的超参数调优问题。
💻 computer science
Adaptive Optimization for Stable High-Capacity CNN/GAN Image Watermarking
本文提出了一种自适应优化框架，通过动态调整损失组合与正则化策略，以应对嵌入复杂度变化带来的挑战，从而在不增加架构开销的情况下，增强高容量 CNN/GAN 图像水印系统的稳定性、感知透明度与鲁棒性。