💻 computer science
MeowID: A Dual-Expert Retrieval System for Individual Cat Identification
本文介绍了 MeowID，这是一种结合了面部与全身猫识别以及面部优先框架的双专家检索系统，旨在非受限环境下实现鲁棒的个体猫识别，并随之发布了全新的野外个体猫（ICW）数据集。
💻 Category
cs
2325 篇论文
💻 computer science
Similarity Finds the Fact, Not the Version: A Co-Trained Order Stamp in the Key Resolves Version Conflict in Persistent Model-Internal Memory
本文证明了，通过添加一个协同训练的“顺序印记”（order stamp）到持久的模型内部记忆键中，可以解决版本冲突问题，从而实现基于事实时间序列的精确检索，而非依赖于容量或近时性捷径。
💻 computer science
Modeling Loading Anomalies and Identifying Root Causes in Media Consumption Workflows on Large Social Media Platforms
本文提出了一种用于建模大型社交媒体平台加载异常并识别根因的动态服务依赖图方法，该方法在预测延迟方面实现了高准确度，并且与静态方法相比显著缩短了定位时间。
💻 computer science
Weakly Supervised Anomaly Detection and Privacy Risk Scoring in Community Message Threads
本文介绍了 RiskThread-LF，这是一个弱监督且保护隐私的框架，通过融合多种行为信号并纠正报告偏差来检测异常社区消息线程，在保持差分隐私下的鲁棒性的同时，实现了优于基于内容和基于图的基准模型的性能。
💻 computer science
Adaptive Edge Intelligence for Low-Latency Assistive Vision under Dynamic Network and Computational Constraints
本文提出并评估了一种用于辅助视觉系统的安全感知自适应边缘智能控制器，该控制器根据实时网络、计算和风险状况动态平衡处理模式，以最小化延迟并确保及时的反馈，同时概述了一个用于未来实验验证的框架。
💻 computer science
Risk-Aware Adaptive Video Processing with Freshness Control for Low-Latency Assistive Vision
本文提出了一种用于低延迟辅助视觉的风险感知自适应视频处理控制器，该控制器基于网络、计算和导航风险指标，动态地将帧准入与推理模式选择进行分离，从而在显著降低端到端延迟并舍弃陈旧非关键帧的同时，确保关键风险观测能够获得全保真度的处理。
💻 computer science
FrameShift-CAD: Executable Coordinate-Frame Interventions for Diagnosing Text-to-CAD Generation
该论文介绍了 FrameShift-CAD，这是一个诊断基准测试，它揭示了文本生成 CAD 模型中存在的显著可靠性差距，即显示出即使在提供了明确的映射指令时，这些模型在执行纯旋转坐标系变换方面也比执行平移变换更为困难。
💻 computer science
MEDPOLY: A Proposed Approach for Cardiovascular Disease Prediction Using Various Ensemble Models
本文提出并评估了两种用于心血管疾病预测的集成模型，发现由三个分类器组成的较简单组合（DNL）通过实现 98% 的准确率，在避免过拟合并提供更好解释性的同时，优于一个更复杂的 24 个分类器框架（MEDPOLY）。
💻 computer science
A Global–Local Feature Coupled Invertible Neural Network with Multi-Channel Attention Pooling for Image Steganography
本文提出了CINN，一种基于卷积的可逆神经网络，该网络通过整合全局-局部特征耦合与多通道注意力池化，同时增强了图像隐写术的安全性和不可感知性以及恢复保真度，并在多个数据集和统计分析评估中超越了现有的最先进方法。
💻 computer science
From Attention to Gluing: A Sheaf-State Architecture for Lower-Complexity Language Models
本文提出了一种“层叠态语言模型”（Sheaf-State Language Model）架构，该架构利用局部状态空间动力学和稀疏、类型的粘合态射来高效管理上下文与依赖关系，从而取代了计算量过大的稠密自注意力机制。