arXiv ID:
2604.12803
事件流中的生成式匿名化 / Generative Anonymization in Event Streams
1️⃣ 一句话总结
这篇论文提出了一种新方法,能在保护使用神经形态视觉传感器拍摄的人脸身份隐私的同时,保持视频数据的可用性,解决了隐私保护与数据效用之间的核心矛盾。
事件流中的生成式匿名化 / Generative Anonymization in Event Streams
这篇论文提出了一种新方法,能在保护使用神经形态视觉传感器拍摄的人脸身份隐私的同时,保持视频数据的可用性,解决了隐私保护与数据效用之间的核心矛盾。
用于场所分类的多模态全景3D户外数据集 / Multi-modal panoramic 3D outdoor datasets for place categorization
这篇论文创建并公开了两个多模态全景3D户外数据集,分别包含密集和稀疏的点云数据,用于对森林、海岸、住宅区等六类场所进行自动分类,并展示了在这些数据集上最高可达96.42%和89.67%的分类准确率。
基于标记信任集引导:结合强化学习的批量主动学习 / Labeled TrustSet Guided: Batch Active Learning with Reinforcement Learning
本文提出了一种名为BRAL-T的新框架,通过结合从已标记数据中精选的‘信任集’和强化学习策略,智能地从海量未标记数据中挑选最有价值的一批样本进行标注,从而在降低标注成本的同时,显著提升了模型在各种图像分类任务上的性能。
一个用于复杂4D无标记人体运动捕捉的数据集与评估 / A Dataset and Evaluation for Complex 4D Markerless Human Motion Capture
这篇论文创建了一个包含复杂真实场景(如多人互动、严重遮挡)的4D无标记人体运动捕捉数据集,并通过评估发现现有先进模型在这些场景下性能显著下降,证明了该数据集对推动技术发展的价值。
面向金融问答RAG系统的PDF解析与分块策略实证评估 / Empirical Evaluation of PDF Parsing and Chunking for Financial Question Answering with RAG
这篇论文通过系统评估不同的PDF解析工具和文本分块策略,为构建更可靠的金融文档问答系统提供了实用的操作指南。
迈向真实的3D发光材料:用于发光纹理生成的数据集、基线方法与评估 / Towards Realistic 3D Emission Materials: Dataset, Baseline, and Evaluation for Emission Texture Generation
这篇论文提出了一个名为“发光纹理生成”的新任务,通过构建首个高质量发光材料数据集、设计一个基线生成方法并制定评估指标,解决了现有3D纹理生成技术无法创建逼真发光效果(如赛博朋克风格LED灯)的难题。
OpenTME:一个基于TCGA的AI驱动H&E肿瘤微环境图谱开放数据集 / OpenTME: An Open Dataset of AI-powered H&E Tumor Microenvironment Profiles from TCGA
这篇论文发布了一个名为OpenTME的开放数据集,它利用人工智能技术,从数千张常规癌症病理切片中自动提取并量化了肿瘤微环境的细胞组成和空间结构特征,旨在为癌症研究和生物标志物发现提供大规模、标准化的数据资源。
通过智能协调改进跨不一致标注数据集的布局表示学习 / Improving Layout Representation Learning Across Inconsistently Annotated Datasets via Agentic Harmonization
这篇论文提出了一种智能标签协调方法,利用视觉语言模型在训练前统一不同数据集中类别和标注框的标准,从而有效提升了文档布局检测模型的性能,并改善了模型学习到的特征表示。
UniPROT:基于部分最优传输与次模保证的均匀原型选择方法 / UniPROT: Uniform Prototype Selection via Partial Optimal Transport with Submodular Guarantees
这篇论文提出了一种名为UniPROT的新方法,通过数学优化确保从数据集中选出的代表性样本(原型)具有均匀的权重,从而有效改善数据不平衡时少数类别的代表性,同时保持整体性能,并提供了理论保证和实际验证。
WUTDet:一个包含10万张图像、密集小目标的船舶检测数据集与基准测试 / WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects
这篇论文构建了一个大规模、场景多样且包含大量小目标的船舶检测数据集WUTDet,并基于此评估了多种主流检测模型,发现Transformer模型在复杂海况下检测精度最高,而CNN模型在实时性上更有优势,该数据集有效提升了船舶检测算法的研究和泛化能力。
请先 登录 后再提交论文