3756 articles
L'AgrI Challenge introduit un cadre de compétition axé sur les données pour la vision agricole, où douze équipes collectent indépendamment des images d'arbres afin d'évaluer et d'améliorer la généralisation des modèles via une validation inter-équipes, démontrant ainsi que l'entraînement collaboratif multi-sources réduit considérablement les écarts de performance liés aux décalages de distribution.
Ce papier présente NT-Diffusion, un modèle de diffusion hiérarchique qui améliore l'efficacité computationnelle et la précision des prévisions probabilistes à long terme des risques d'incendie en partageant les étapes précoces de débruitage avant de se spécialiser pour chaque horizon temporel.
L'étude démontre que l'apprentissage de tâches chez les macaques augmente la redondance des réponses neuronales dans le cortex visuel V4, soutenant ainsi l'hypothèse bayésienne selon laquelle le cerveau optimise le traitement sensoriel par un processus d'inférence générative plutôt que discriminatif.
Ce papier présente AQuA, un nouveau jeu de données et une méthode de fine-tuning qui permettent aux modèles vision-langage de classifier les ambiguïtés visuelles en quatre niveaux et d'adopter dynamiquement des stratégies de réponse adaptées, telles que la demande de clarification ou l'énumération d'alternatives, surpassant ainsi les modèles existants dans la gestion des questions visuelles ambiguës.
Cette étude propose un cadre de modèles à goulot d'étranglement conceptuel 3D intégrant des caractéristiques morphologiques et hémodynamiques pour classifier les anévrismes intracrâniens avec une haute précision tout en garantissant une interprétabilité clinique essentielle à l'adoption médicale.
Ce rapport technique présente VIVECaption, une approche systématique en deux volets combinant la création d'un jeu de données de référence et un alignement de modèle par finetuning, visant à améliorer la qualité des légendes d'images pour entraîner des modèles génératifs sans recourir à des données protégées par le droit d'auteur.
Cet article propose un cadre utilisant des modèles vision-langage pour générer des légendes spécifiques à une dent unique à partir d'images dentaires, comblant ainsi le manque de jeux de données holistiques nécessaires à l'analyse dentaire avancée.
Le papier présente UnSCAR, une architecture unifiée à mélange d'experts qui surmonte les limitations d'interférence et d'oubli catastrophique des modèles de restauration d'images universels actuels, permettant ainsi une apprentissage évolutif, une adaptation robuste à des domaines inconnus et un contrôle utilisateur sur plus de seize types de dégradations.
Ce papier présente QdaVPR, un nouveau modèle de reconnaissance visuelle de lieu indépendant du domaine qui utilise un cadre d'apprentissage adversaire à double niveau et une supervision par triplet sur des données augmentées par transfert de style pour atteindre des performances de pointe face à des variations de domaine importantes.
Ce papier présente DTPSR, un cadre de super-résolution d'images basé sur la diffusion qui améliore la qualité et le contrôle sémantique en introduisant des priors textuels désengagés selon les dimensions hiérarchique spatiale et sémantique fréquentielle, soutenus par un nouveau jeu de données nommé DisText-SR.
Cet article présente AndroidWorld-Generalization, un nouveau benchmark et un système d'apprentissage par renforcement intégrant GRPO, conçus pour évaluer et améliorer la capacité de généralisation des agents mobiles basés sur des modèles vision-langage vers des tâches, modèles et applications non vus.
Le papier présente « Data Agent », un cadre de sélection de données dynamique et end-to-end qui apprend une politique de sélection adaptative guidée par des signaux de récompense combinant difficulté et incertitude, permettant d'accélérer l'entraînement tout en préservant les performances sur divers tâches et architectures.
Le papier présente RPG-SAM, une méthode de segmentation polypique sans entraînement qui améliore les performances en traitant l'hétérogénéité régionale et de réponse via l'extraction de prototypes pondérés par la fiabilité et la sélection adaptative géométrique, obtenant ainsi une amélioration de 5,56 % du mIoU sur le jeu de données Kvasir.
Le papier présente DogWeave, un cadre de reconstruction 3D haute fidélité pour les chiens à partir d'une seule image RGB, qui améliore la géométrie grâce à l'optimisation de champs de normales renforcés par diffusion et génère des textures cohérentes via une inconditionnelle partielle guidée par la structure et le style.
Le papier présente Med-Evo, un cadre d'auto-évolution sans étiquettes pour les modèles de langage multimodaux médicaux qui améliore les performances en utilisant un apprentissage par renforcement basé sur l'étiquetage pseudo-features et une récompense hiérarchique, éliminant ainsi le besoin de données annotées supplémentaires.
Ce papier présente SLNet, un réseau d'apprentissage profond ultra-léger et adaptatif géométriquement pour la reconnaissance de nuages de points 3D, qui atteint des performances compétitives sur plusieurs benchmarks avec une fraction des paramètres et de la complexité computationnelle des modèles de pointe actuels.
Ce papier propose une enquête technique complète sur l'évolution des modèles de génération d'images, couvrant les architectures clés des VAE aux méthodes de diffusion, ainsi que les avancées récentes en vidéo et les enjeux de robustesse et de déploiement responsable.
Le papier présente SIGMAE, un modèle fondamental pour la télédétection multispectrale qui améliore l'apprentissage des représentations en guidant le masquage dynamique des tokens via des indices spectraux pour se concentrer sur les régions sémantiquement riches.
Cet article propose MonoSTL, une méthode d'apprentissage par transfert sélectif qui atténue le problème de transfert négatif dû à l'écart modal entre LiDAR et images en intégrant l'incertitude de profondeur pour améliorer la détection 3D d'objets monoculaire.
Cet article présente ThingiPrint, un nouveau jeu de données associant modèles CAO et photographies d'objets imprimés en 3D, et démontre qu'un modèle de vision fine-tuné par contraste permet de classifier de nouveaux objets imprimés sans réentraînement, en s'appuyant uniquement sur leurs modèles CAO.