AI 论文速递

最新

图神经网络的中心性图移位算子
本研究解决了传统图移位算子在图表示学习中的局限性，提出了一种新的中心性图移位算子（CGSO），通过全球中心性指标对邻接矩阵进行归一化。研究表明，CGSO在图信号处理中的谱特性表现良好，并且在多种真实数据集上，采用CGSO的图卷积网络和图注意
PDF3 days ago
IGDrivSim：自主驾驶模仿差距的基准
本研究针对自主驾驶领域中的模仿学习所面临的“模仿差距”问题进行探讨，该差距源于人类感知与无人驾驶汽车传感器的差异。我们提出了IGDrivSim基准，以研究这种模仿差距对自主驾驶政策学习的影响，并发现结合模仿学习与强化学习的方法能够有效降低这
PDF3 days ago
DISCO：作为因果规则发现过拟合的文本分类模型
本研究针对现有文本分类模型的解释性不足问题，提出了一种新颖的方法DISCO，通过识别因果n-gram关联生成全局规则化解释。这一方法在提取训练数据中的相关文本时，成功找出了模型中潜在的过拟合现象，并提供了一种支持交互式解释的方式，帮助人类检
PDF3 days ago
舞蹈融合：用于音频驱动舞蹈动作重建的时空骨架扩散变换器
本研究解决了短视频平台（如TikTok）中常见的缺失和噪声骨架数据对于舞蹈动作生成的挑战。提出的DanceFusion框架采用分层Transformer变分自编码器与扩散模型的结合，显著提高了运动的真实感和精确度，展示了在动作生成及与音频同
PDF3 days ago
wav2sleep：一种统一的多模态睡眠阶段分类方法
本研究解决了通过较少侵扰性的生理信号（如ECG和PPG）进行睡眠阶段分类的挑战。提出的wav2sleep模型能够在训练和推理过程中灵活处理不同输入信号的组合，通过在超过10,000个夜间记录上进行联合训练，显著提升了睡眠阶段分类的准确性，具
PDF3 days ago
文本布局感知预训练的丰富视觉-语言模型
本研究针对视觉-语言模型在处理图像中的文本信息时面临的挑战，提出了一种新方法TAP-VL，能够将光学字符识别（OCR）信息作为一种独立的模态并与视觉-语言模型无缝集成。通过轻量级的转化器基础OCR模块的预训练和微调，TAP-VL在多个基准测
PDF3 days ago
实用教程：结合大型语言模型与人参与的标注
本研究解决了机器学习模型训练过程中的人工标注成本高和耗时长的问题。通过介绍合成训练数据、主动学习和混合标注等策略，提供了优化数据标注的实践方法，并通过实际案例分析说明了各策略的优缺点及最佳实践。研究的主要发现是，采用混合标注设置可以有效提高
PDF3 days ago
基于地理加权学习的网络犯罪预测
本研究解决了传统神经网络在处理空间依赖数据时准确性不足的问题，通过提出GeogGNN模型，考虑地理坐标的影响，进行网络安全的四类分类。实验表明，相比于标准神经网络和卷积神经网络，GeogGNN模型的准确性更高，显示出在空间依赖数据分类中的优
PDF3 days ago
改进的多任务脑肿瘤分割与合成数据增强
本研究解决了临床脑肿瘤分割工具在实际应用中较难达到标准的问题。我们提出使用合成数据来训练先进的框架，以改善成人胶质瘤在后治疗场景下的分割效果，以及脑膜瘤的放疗计划分割。研究结果表明，合成数据的应用能够增强算法的鲁棒性，尽管生成管道并不完全适
PDF3 days ago
脑肿瘤去除和缺失模态生成的3D WDM方法
本研究解决了脑肿瘤分析中存在的脑损伤和MRI模态缺失问题。提出了一种新的条件3D小波扩散模型，为全分辨率图像训练与预测提供了稳定与高效的方法。实验结果显示，该方法在预测性能上有显著提升，具有良好的实用价值。
PDF3 days ago
KL正则化的上下文赌博机与人类反馈强化学习的精确分析
本研究针对KL正则化在强化学习（RL）和人类反馈强化学习（RLHF）中的理论分析不足的问题，首次展示了KL正则化的优势，指出其样本复杂度可达到$\mathcal{O}(1 / \epsilon)$。研究还探讨了数据覆盖在上下文赌博机和RLH
PDF3 days ago
基于深度学习方法的混凝土结构多时间裂缝分割
本研究着重于解决混凝土结构裂缝检测中的早期自动化问题，比较了多时间数据和单时间数据在裂缝分割中的效果。通过使用多时间数据训练的Swin UNETR模型显著提高了分割质量，其IoU达到82.72%，F1-score达到90.54%，显示出相较
PDF3 days ago
基于3D城市模型和Carto2S数据集的人口估算——案例研究
本研究旨在通过高分辨率的印度遥感卫星数据集解决地方人口估算的问题。通过使用Carto2S的多视角数据生成精准的数字高程模型（DEM）和数字地形模型（DTM），并提取建筑物高度，从而创建准确的3D城市模型，实现对居民区内住房数量的有效估算，进
PDF3 days ago
利用高分辨率卫星影像和数字高程模型对印度城市太阳能潜力的分析
本研究针对现有太阳能潜力分析中未考虑城市环境因素（如树木阴影、高建筑结构和屋顶结构）的不足，运用高分辨率卫星影像及数字高程模型，结合地面辐射数据，提出了新的屋顶太阳能潜力评估方法。研究表明，季节变化和环境影响可能导致电力生成损失可达50%，
PDF3 days ago
跨图像与图内原型学习用于多标签疾病诊断与解读
本研究针对现有原型学习在多标签疾病诊断中面临的挑战，提出了一种新的跨图像与图内原型学习框架（CIPL），利用跨图像语义来解开多个疾病的纠缠，提升模型对复杂病灶的理解。此外，通过引入两级对齐正则化策略，增强了解释的稳健性和预测性能。实验结果表
PDF3 days ago
FASSILA：阿尔及利亚方言假新闻检测与情感分析语料库
本研究针对阿尔及利亚方言（AD）在假新闻检测和情感分析方面缺乏注释语料库的问题，开发了FASSILA语料库，包含10,087个句子和19,497个独特词汇。通过详细的数据收集和标注过程，该研究提出了一种高质量的标注方案，并通过BERT和机器
PDF3 days ago
基于大型语言模型的自校准列表重排序
本研究解决了大型语言模型在重排序任务中由于上下文窗口限制而面临的计算成本和信息捕捉不足的问题。提出了一种新颖的自校准列表重排序方法，通过引入显式的列表相关性评分和自校准训练来提高重排序效率和实现全局比较。实验结果表明，该方法在BEIR基准和
PDF3 days ago
社会自我网格估计
本研究解决了在以自我为中心的视频序列中准确估计佩戴者的3D姿态这一问题。论文提出了一种新框架SEE-ME，通过潜在的概率扩散模型结合场景和社会互动，首次实现基于互动信息的网格估计。研究结果显示，SEE-ME在减少姿态估计误差方面超过了现有最
PDF3 days ago
半监督学习对线段检测的影响
本研究解决了在图像中进行线段检测的难题，提出了一种基于半监督框架的方法。通过利用不同增强和扰动的未标记图像和少量标记数据的连续性损失，我们展示了该方法与完全监督的方法相当的结果，这为困难或昂贵的标注场景开辟了新的应用可能性。
PDF3 days ago
TexLiverNet：利用医学知识和空间频率感知增强肝肿瘤分割
该研究解决了肝肿瘤分割中的文本数据与影像结合的挑战，尤其是缺乏特定病灶的细节。论文提出了一种新模型TexLiverNet，采用基于代理的跨注意力模块，能够高效整合文本和视觉特征，同时通过增强的空间和自适应频率域感知，以精确描绘病灶边界并恢复
PDF3 days ago