3667 articles
Cette étude démontre que la distillation de connaissances asymétrique d'un grand modèle Vision Transformer vers des CNN contraints en capacité provoque un effondrement dimensionnel sévère qui sacrifie la robustesse au bruit, révélant un compromis fondamental entre la capacité du modèle et la préservation de l'immunité au bruit inhérente à l'enseignant.
Cet article présente gRef-CW, le premier jeu de données pour la localisation visuelle généralisée en agriculture incluant des expressions négatives, ainsi que Weed-VG, un cadre modulaire conçu pour surmonter les lacunes des modèles actuels dans la détection d'instances de cultures et de mauvaises herbes en conditions réelles.
Ce papier introduit le cadre SIQA pour évaluer la qualité des images scientifiques selon des dimensions de connaissance et de perception, en révélant grâce à un nouveau benchmark que les modèles multimodaux actuels présentent un décalage significatif entre leur capacité à noter ces images et leur compréhension scientifique réelle.
Ce papier propose un cadre d'IA multimodale conscient des paramètres de la caméra pour surmonter les limites de généralisation des modèles actuels en désenchevêtrant les propriétés physiques des objets de la perspective d'acquisition, permettant ainsi un raisonnement spatial 3D robuste et généralisable.
Cette étude démontre que l'application de la régression quantile conformée aux modèles d'apprentissage profond pour la prédiction des éruptions solaires améliore significativement la fiabilité des prévisions en fournissant des intervalles de confiance plus précis et mieux couverts que les méthodes alternatives.
Ce papier propose le paradigme UWPD et le modèle FSNet, qui utilisent des mécanismes d'attention spectrale adaptative pour détecter universellement la présence de filigranes invisibles dans les images sans avoir besoin de connaître l'algorithme d'embedding spécifique.
Ce papier présente HERO, un cadre unifié pour l'ancrage temporel de phrases dans les vidéos en vocabulaire ouvert, accompagné de la création des premiers benchmarks dédiés (Charades-OV et ActivityNet-OV) et démontrant une capacité de généralisation supérieure grâce à un raffinement hiérarchique des embeddings et une alignement multimodal amélioré.
Cette étude propose un cadre d'attention multiplicative externe qui intègre des cartes de biomarqueurs vasculaires spécifiques, telles que la tortuosité et le dropout capillaire dérivés de l'OCTA, pour améliorer la détection interprétable de la dégénérescence maculaire liée à l'âge (DMLA) par apprentissage profond.
Ce papier présente un cadre de diffusion décentralisé hétérogène efficace qui permet d'entraîner des experts avec des objectifs variés (DDPM et Flow Matching) sur des ressources réduites, tout en assurant une convergence rapide et une qualité supérieure grâce à une conversion déterministe à l'inférence et à une architecture optimisée.
ButterflyViT est une méthode innovante qui permet de déployer des Transformers de vision à mélange d'experts (MoE) sur des appareils embarqués en réduisant la mémoire requise de 354 fois grâce à une paramétrisation géométrique d'un substrat partagé et à un régularisateur de lissage spatial, tout en préservant la précision.
Ce papier présente XMACNet, un réseau de neurones convolutifs léger et explicable qui fusionne des images visibles et des indices de végétation pour détecter les maladies du piment avec une grande précision, grâce à une architecture basée sur l'attention et un jeu de données enrichi par génération synthétique.
Ce papier présente EarthBridge, un cadre de traduction d'images haute fidélité basé sur des modèles de ponts de diffusion et l'apprentissage contrastif, qui a obtenu la deuxième place lors du quatrième défi MAVIC-T en traduisant avec succès des images aériennes entre les modalités EO, IR et SAR.
Le papier propose HiDE, un cadre de modélisation d'entropie hiérarchique pour la compression d'images apprise qui améliore l'efficacité du codage en exploitant des priors externes structurés via des dictionnaires globaux et locaux, ainsi qu'un estimateur de paramètres adaptatif, permettant des économies de débit significatives par rapport aux méthodes existantes.
Cet article présente un modèle hybride de machine learning combinant les réseaux de neurones VGG19, Efficient-Net et ResNet50 avec un classificateur Bi-LSTM pour détecter précocement la paralysie cérébrale à partir d'images IRM, atteignant une précision de 98,83 % supérieure à celle des modèles pré-entraînés existants.
Cette étude révèle que la qualité de l'ancrage visuel étape par étape dans les modèles vision-langage à long terme est un indicateur prédictif majeur de leur capacité à généraliser hors distribution, surpassant la simple précision finale ou l'échelle du modèle.
Ce papier présente MotionBits, une nouvelle approche d'analyse de mouvement basée sur l'équivalence des twists spatiaux cinématiques pour segmenter les corps rigides sans dépendre de la sémantique, accompagnée d'un benchmark nommé MoRiBo et d'une méthode de segmentation sans apprentissage qui surpassent les méthodes existantes et améliorent les tâches de raisonnement et de manipulation incarnée.
Cet article propose un cadre d'acquisition active de vues nommé Perturbed Gaussian Ensemble, qui intègre la modélisation de l'incertitude et la prise de décision séquentielle pour sélectionner les projections optimales dans la reconstruction tomographique par Gaussian Splatting, surpassant ainsi les méthodes existantes en réduisant les artefacts géométriques et en améliorant la fidélité de reconstruction à partir de données éparses.
Cet article propose un modèle topologique étendu basé sur des fibrés de cercles pour expliquer la structure des flux optiques à fort contraste dans le jeu de données Sintel, révélant que les patchs les plus contrastés se concentrent près de cercles correspondant à des bords d'étapes binaires plutôt que sur le tore précédemment suggéré.
Ce papier présente ColonSplat, un cadre de splatting gaussien dynamique conçu pour reconstruire avec précision les mouvements péristaltiques lors de la coloscopie, accompagné de l'introduction du jeu de données synthétique DynamicColon pour évaluer rigoureusement la qualité géométrique globale.
Ce papier présente IGLU, une nouvelle fonction d'activation paramétrique dérivée d'un mélange d'échelles de portes GELU avec une distribution mi-normale, qui offre une expression fermée basée sur la fonction de répartition de Cauchy pour garantir des gradients non nuls et une robustesse accrue, ainsi qu'une approximation rationnelle efficace (IGLU-Approx) qui démontre des performances compétitives ou supérieures sur des tâches de vision et de langage.