The Fifth Graph Normal Form (5GNF): A Trait-Based Framework for Metadata Normalization in Property Graphs
本文提出了第五图范式(5GNF),这是一种基于特征的元数据规范化框架,通过将重复元数据提取为可复用的特征节点来消除属性图中的冗余并提升语义一致性,且经北风数据集验证在保持性能的同时显著简化了模式结构。
3844 篇论文
本文提出了第五图范式(5GNF),这是一种基于特征的元数据规范化框架,通过将重复元数据提取为可复用的特征节点来消除属性图中的冗余并提升语义一致性,且经北风数据集验证在保持性能的同时显著简化了模式结构。
本文提出了一种结合语法引导合成(SyGuS)与扩展了谓词和函数更新的时序流逻辑(TSL)的新方法,通过从执行轨迹中挖掘数据转换与时序规范,实现了比被动学习基线更鲁棒且样本效率更高的反应式程序合成。
本文介绍了一种基于枢轴设计的可变形"Kiri 勺”,它通过类似钳子的挤压机制实现食物抓取与防洒,既可作为手餐具供震颤或行动受限者使用,也可作为机器人辅助喂食附件,并在用户研究中展现出比现有方案更优的防洒效果与需求匹配度。
本文提出了一种结合地球静止轨道卫星数据与分层规划方法的动态目标观测新策略,通过利用长达 35 分钟的超前信息制定长期观测蓝图并结合星载传感器进行短期优化,显著提升了云规避和风暴追踪等场景下的观测性能(最高提升 41%)。
该论文针对现有隐形水印检测依赖特定算法先验知识的局限,提出了无需解码信息的通用水印存在检测(UWPD)任务,并构建了 UniFreq-100K 数据集及提出利用自适应频谱感知与动态多频谱注意力机制的 FSNet 模型,实现了在未知嵌入算法下的优异零样本检测能力。
本文提出了开放词汇视频时序句子定位(OV-TSGV)任务及首个专用基准,并设计了名为 HERO 的统一框架,通过分层语言嵌入和并行跨模态细化机制,显著提升了模型在未见词汇和多样化表达下的泛化能力。
该论文提出了一种血管感知深度学习框架,通过融合基于动脉、静脉和毛细血管生成的血管弯曲度与灌注缺失图,显著提升了光学相干断层扫描血管成像(OCTA)对年龄相关性黄斑变性(AMD)的检测性能与可解释性。
该论文提出了一种名为"Agent Hunt"的基于赏金机制的协作式自动形式化框架,通过让多个大语言模型代理在交互式定理证明环境中动态发布、竞标并完成代数拓扑领域的证明任务,从而探索去中心化的协作证明搜索与理论构建方法。
该论文提出了 ResearchEnvBench 基准,旨在评估自主智能体在给定研究代码库和文档时自动构建可运行执行环境的能力,并揭示了当前最先进模型在解决复杂依赖和版本耦合方面存在的显著差距。
本文介绍了 ViroGym,一个包含 79 项深度突变扫描实验和多种真实世界预测任务的大规模基准,旨在评估蛋白质语言模型在病毒蛋白变异效应预测中的表现,并为疫苗抗原选择提供基于实验数据指导的理性框架。
本文提出了 ButterflyViT,一种通过将专家视为共享量化基底的几何重定向并引入空间平滑正则化来解决线性内存扩展瓶颈的方法,从而在 CIFAR-100 等任务上实现了 64 专家配置下 354 倍的内存压缩且精度损失可忽略,使稀疏混合专家视觉 Transformer 能够部署于边缘设备。
这篇论文全面综述了机器人基础模型(RFM)的工业适用性,提出了包含 149 项具体标准的评估框架,并通过大规模评估发现当前 RFM 在工业领域的成熟度有限且发展不均衡,强调未来的进步应依赖于将安全、实时性、鲁棒感知及系统集成等要素系统性地纳入可审计的部署堆栈中。
本文提出了一种名为 XMACNet 的可解释轻量级注意力 CNN 模型,通过融合可见光图像与植被指数并引入 StyleGAN 数据增强,在辣椒病害分类任务中实现了高精度、强可解释性及边缘部署能力。
本文提出了名为 EarthBridge 的高保真跨模态图像翻译框架,通过结合非马尔可夫桥过程扩散模型与对比无配对学习方法,在第四届多模态航拍图像挑战赛翻译赛道中取得了第二名的优异成绩。
本文提出了一种基于梯度的嵌套共设计框架,通过结合最优控制规划器与神经代理气动模型,实现了对固定翼滑翔机气动外形与控制策略的联合优化,从而在显著缩短计算时间的同时,有效提升了其在复杂动态任务(如停栖和短距着陆)中的性能。
本文提出了 HiDE 框架,通过构建分层外部先验字典进行级联检索,并结合上下文感知的参数估计网络,有效解决了现有方法中外部先验利用不充分的问题,显著提升了学习式图像压缩的编码效率。
该论文提出了一种结合空间填充曲线(Morton 和 Hilbert 曲线)重排序与线性八叉树的高效 3D 点云邻域搜索方法,通过引入 kNN 局部性直方图优化缓存访问,实现了比现有方案快 10 倍的搜索速度及高达 36 倍的并行加速比。
该论文提出了一种结合 RRT 式搜索、基于采样的模型预测控制以及稳定状态流形采样策略的新方法,旨在通过黑盒仿真引导探索,从而在无需特定任务指导的情况下,为不同机器人形态生成多样化的长程操作策略。
本文提出了 HybridMimic 框架,通过让学习策略动态预测连续接触状态和期望质心速度来调节基于质心模型的控制器,从而在 Booster T1 人形机器人硬件实验中实现了比现有强化学习基线更低的跟踪误差和更强的动态适应性。
该论文提出了一种利用虚拟现实收集眼动数据训练预测模型,并通过从仿真到物理实机的多层级控制器筛选框架,成功开发出需个性化定制的凝视驱动辅助颈外骨骼系统,以解决垂头综合征患者的头部运动支持难题。