3696 articles
Cet article présente une architecture d'apprentissage novatrice et économe en ressources, intégrant des informations a priori environnementales dans un modèle à double Transformer (DTC) pour prédire avec précision les points d'atterrissage de balles de tennis en utilisant une simple caméra industrielle.
Le papier présente PICS, une méthode auto-supervisée qui améliore la cohérence spatiale et la stabilité du compositing d'images par paires en modélisant les interactions spatiales via un Transformer d'interaction et une fusion adaptative des zones de chevauchement.
Cet article présente OPTED, un jeu de données open source prétraité pour la classification automatisée du trachome, construit à partir d'images cliniques éthiopiennes en utilisant une pipeline de segmentation zero-shot basée sur le modèle SAM 3 pour extraire et nettoyer les régions d'intérêt.
Cet article propose une nouvelle méthode d'augmentation de données qui utilise les grands modèles de langage pour générer des programmes CAO plus diversifiés et complexes, inspirés des procédures de conception industrielle, afin d'améliorer l'entraînement des modèles d'apprentissage profond pour la création de formes organiques.
L'article propose PaQ-DETR, un cadre unifié qui améliore la détection d'objets en apprenant des motifs latents partagés pour générer dynamiquement des requêtes spécifiques à l'image et en adoptant une stratégie d'affectation consciente de la qualité pour équilibrer la supervision, ce qui se traduit par des gains significatifs de précision sur plusieurs benchmarks.
Ce papier propose DLRMamba, une méthode de distillation combinant un modèle d'espace d'états sélectif bidimensionnel à faible rang et une stratégie de distillation consciente de la structure, pour optimiser l'efficacité et la précision de la détection d'objets par fusion multispectrale sur des plateformes embarquées aux ressources limitées.
Ce papier présente ESM-YOLO+, un réseau léger de fusion d'images visibles et infrarouges intégrant un module de fusion d'attention amélioré par masque et un renforcement de la représentation structurelle, qui améliore significativement la détection de petites cibles dans les images de télédétection tout en réduisant drastiquement la complexité du modèle.
Le papier présente HIERAMP, une méthode d'amplification sémantique de la distillation de données générative qui exploite la génération hiérarchique des modèles VAR pour améliorer les performances de validation en guidant la synthèse vers des structures et détails discriminatifs à différentes échelles.
Cette étude développe une pipeline d'analyse 3D utilisant l'nnU-Net et la microscopie à feuille de lumière pour extraire des caractéristiques d'invasion périneurale et lymphovasculaire dans le cancer de la prostate, démontrant que ces indicateurs 3D surpassent leurs équivalents 2D pour prédire la récidive biochimique à 5 ans.
Cette étude présente le viCT, une méthode innovante qui met à jour dynamiquement les scanners CT préopératoires en temps réel lors de la chirurgie endoscopique des sinus en utilisant des reconstructions 3D issues de vidéos endoscopiques monoculars, permettant ainsi de visualiser l'anatomie évolutive avec une précision submillimétrique sans matériel supplémentaire.
Le papier présente SurgCUT3R, un cadre systématique qui surmonte le manque de données supervisées et la dérive de pose dans les vidéos endoscopiques chirurgicales en générant des données d'entraînement métriques, en utilisant une stratégie d'hybridation de supervision et en adoptant une inférence hiérarchique pour une reconstruction 3D robuste et efficace.
Ce papier propose le cadre CUOT et le modèle CUOTM pour surmonter la sensibilité aux outliers des cartes de transport optimal conditionnel classique en assouplissant les contraintes d'appariement des distributions via des pénalités de divergence de Csiszár, tout en préservant rigoureusement les marginales conditionnelles.
Le papier propose T2SGrid, un cadre novateur qui transforme la compréhension temporelle des vidéos en une tâche de compréhension spatiale en réorganisant les séquences temporelles en grilles d'images composites pour améliorer la localisation temporelle sans surcharge computationnelle.
Cet article propose une approche de récupération de formes 3D à partir d'images basée sur des encodeurs pré-alignés et un apprentissage contrastif dur, éliminant ainsi le besoin de synthèse de vues et permettant une récupération zero-shot avec des performances de pointe.
Ce papier propose un cadre de raisonnement multimodal conscient de la perception qui améliore considérablement la compréhension spatiale des modèles vision-langage dans des scénarios de conduite monoculars en représentant les objets via des jetons de référence visuelle et en introduisant une chaîne de pensée multimodale, surpassant ainsi les méthodes précédentes sur le benchmark SURDS.
Ce papier présente ADAS-TO, le premier jeu de données naturel à grande échelle dédié aux reprises de contrôle des systèmes ADAS, qui analyse les dynamiques d'intervention humaine et révèle que la majorité des cas critiques sont précédés de signaux visuels actionnables trois secondes avant la prise de contrôle.
Le papier présente MipSLAM, un cadre de SLAM basé sur le splatting gaussien 3D qui surpasse les méthodes existantes en éliminant les artefacts de repliement spectral grâce à un algorithme d'anti-repliement adaptatif elliptique et en améliorant la précision de l'estimation de trajectoire via une optimisation de graphe de pose sensible au spectre.
Le papier présente AdaGen, un cadre général et adaptatif qui utilise l'apprentissage par renforcement avec une récompense adversariale pour optimiser dynamiquement le processus de génération d'images, surpassant ainsi les méthodes statiques existantes en termes de qualité, de diversité et d'efficacité computationnelle.
Ce papier présente TrajPred, un cadre innovant pour les modèles vision-langage qui améliore la reconnaissance des interactions instrument-tissu en chirurgie robotique en intégrant des trajectoires d'instruments et un module de prédiction pour capturer des détails d'action fins, démontrant ainsi des performances supérieures sur le benchmark CholecT50.
Ce papier présente OV-DEIM, un détecteur open-vocabulary de style DETR en temps réel qui intègre l'augmentation de données GridSynthetic et une stratégie de complément de requêtes pour surpasser les méthodes existantes en efficacité et en précision, notamment pour les catégories rares.