Boundary-First Segmentation with Closed-Region Hypotheses
本文提出了边界优先分割(Boundary-First Segmentation),这是一种无需训练的范式,通过统一边界证据传输(Unified Boundary Evidence Transport, UBET)在进行身份仲裁前构建闭合查询区域,通过优先考虑空间相干性而非密集语义相似性,在多种基准测试中实现了最先进的性能。
2332 篇论文
本文提出了边界优先分割(Boundary-First Segmentation),这是一种无需训练的范式,通过统一边界证据传输(Unified Boundary Evidence Transport, UBET)在进行身份仲裁前构建闭合查询区域,通过优先考虑空间相干性而非密集语义相似性,在多种基准测试中实现了最先进的性能。
本文提出了一种名为分形谱波滤波器(Fractal Spectral Wave Filter)的量子抗性密码学框架,该框架通过利用莫顿 Z 阶曲线对二维数据进行映射、在有限环上应用数论变换,并利用未缓解的混叠碰撞作为扩散机制,实现了高效的 O(N log N) 处理和高熵特性。
本文介绍了 Mastyf Guard,这是一种确定性优先的安全架构,它将 LLM 智能体视为不可信的主体,并通过外部引用监视器强制执行条件非升级不变性,在针对间接提示注入和数据外泄威胁的实证评估中,实现了近乎完美的攻击检测且零误报。
本文提出并验证了一种安全的离线可穿戴视觉架构,该架构集成了 ESP32-CAM 和树莓派(Raspberry Pi),通过可复现的软件契约和严格的基于持续集成(CI)的测试,实现了身份验证加密、抗重放攻击以及通过故障关闭(fail-closed)机制实现的启动安全性。
本文介绍了一种基于树莓派的低成本机器人脸的设计与评估,该机器人利用 OpenCV 进行实时视觉追踪,并通过舵机控制驱动以模拟人类的面部表情和头部动作,在实现 92.4% 检测准确率及极低延迟的同时,还解决了智能交互系统的安全性考量问题。
本文提出了一种用于教育实验区无人机火灾检测的改进深度Q学习算法,该算法集成了多目标奖励优化、对角线运动激励以及受A*启发式约束的机制,与传统方法相比,显著提升了路径效率、降低了风险暴露并提高了任务成功率。
该论文提出了 GHD-DETR,一种新型检测 Transformer 架构,其通过引入 GatedNestStage、BDB 和 HAGF 模块,显著增强了在复杂成像条件下对小目标、遮挡目标及低对比度目标的检测鲁棒性,并在 RTTS、HazyDet 和 DUO 等挑战性数据集上实现了大幅度的性能提升。
本文提出了一种双分支自适应扩散与运动引导时间对齐框架,通过将内容自适应局部扩散与坐标感知全局锚定相结合,有效解决了不可见视频水印中不可感知性与鲁棒性之间的权衡问题,从而实现针对局部裁剪及其他攻击的卓越性能。
本研究提出了一种偏见感知深度学习框架,该框架利用经过精心策划且统一预处理的多源胸部 X 线(CXR)数据集,并结合来源预测完整性检查以减轻数据集来源偏见,证明了定制的 ResNet-38 模型在多类肺部疾病检测方面实现了约 93% 的卓越准确率,优于更深的 ResNet 架构。
本文提出了一种结合了K-最近邻(KNN)和循环神经网络(RNN)的混合机器学习安全(MLBS)框架,旨在实现物联网(IoT)网络中分布式拒绝服务(DDoS)攻击检测的高精度与高鲁棒性,其检测率达到98.72%,优于传统模型。