Rigid Object Pose Estimation via High-order Feature Recalibration and Distribution-aware Geometric Reasoning
本文提出了动量引导的渐进式几何推理(MPGR)框架,该框架通过将任务重新表述为一个利用高阶统计建模来修复破碎几何结构并增强特征一致性的分布感知推理问题,解决了严重遮挡情况下的鲁棒 6D 位姿估计问题。
929 篇论文
本文提出了动量引导的渐进式几何推理(MPGR)框架,该框架通过将任务重新表述为一个利用高阶统计建模来修复破碎几何结构并增强特征一致性的分布感知推理问题,解决了严重遮挡情况下的鲁棒 6D 位姿估计问题。
本文提出了一种基于图神经网络的框架,将团队运动建模为动态异构图,以预测进攻效率和防守阵型,并通过图强化学习和反事实推理来优化战术策略,证明了其在欧洲冠军联赛和 NBA 数据集上相较于现有基准模型的卓越性能。
本文评估了 YOLOv11 和 EfficientNetV2M 模型在不平衡的 HAM10000 数据集上进行皮肤肿瘤分类的表现,结果表明 YOLOv11 在高灵敏度筛查方面实现了更优的召回率(86.5%),而结合了 SVM 分类器的 EfficientNetV2M 则为精确分诊提供了更高的特异性(96.8%)。
本文提出了一种由五个专业化模型(QAFEN-CNN、VQTM-LSTM、QGCL-Net、QVAE-DD 和 QMRL-XAI)组成的综合性量子-经典混合框架,这些模型通过先进的量子特征纠缠、图构建和元强化学习技术,共同提升了金融欺诈检测的准确性、对动态生态系统的适应性以及监管可解释性。
本综述综合了关于不同计算环境下自主漏洞修复的新兴研究,将文献组织为六个关键流派和一个形式化闭环任务模型,旨在突出在部署用于安全系统修复的智能体 AI 和强化学习过程中的关键主题、操作安全机制以及显著的研究空白。
本文证实,即使在考虑人类工作的全生命周期资源足迹时,AI推理的单项任务能耗和水耗也比其所增强或取代的人类劳动力低出数个数量级。
本研究引入并验证了一个四层机器学习框架,该框架通过对来自一家蒙古能源公用事业部门的 330 万笔真实交易利用无监督和有监督模型,与传统方法相比显著降低了审计检测风险和处理时间,同时还揭示了本福特法则异常中的一种新型“聚合掩盖效应”。
本研究提出了一种可解释人工智能框架,该框架通过将关联规则挖掘与三维感官剖析相结合,来分析泰国餐厅的交易数据,从而揭示具有文化根基的菜品搭配模式,并实现可解释且地道的膳食推荐生成。
本研究提出了一种基于 PhiUSIIL 数据集的轻量级神经网络方法用于钓鱼 URL 检测,证明了通过优化超参数和应用数据缩放可以在保持低计算复杂度的同时显著提高分类准确率。
本研究提出了一种针对苗族和侗族木构遗产场景的可审计生成工作流,该工作流集成了形态先验、摄影测量约束和溯源日志,旨在确保提供可审查的语义与结构证据,而不声称实现测量级重建。