3880 articles
Le papier présente SiamGM, un réseau de suivi d'objets par satellite en temps réel qui surpasse les méthodes de l'état de l'art grâce à une attention graphique inter-cadres et une optimisation guidée par le mouvement, tout en maintenant un débit de 130 images par seconde sans surcoût computationnel.
Cet article propose GRD-Net, une nouvelle architecture combinant un réseau génératif et un module d'attention sur les régions d'intérêt pour détecter et localiser les anomalies de surface dans des contextes industriels, notamment sur des données pharmaceutiques, en apprenant à partir de produits sains et de défauts synthétiques.
Ce papier présente un modèle efficace de compréhension de scènes RGB-D basé sur l'apprentissage adaptatif multi-tâches et la guidance de caractéristiques interdimensionnelles, qui surpasse les méthodes existantes en précision et en vitesse sur plusieurs jeux de données grâce à une fusion améliorée et des mécanismes d'attention spécifiques.
Cette étude présente une comparaison systématique de quatre objectifs d'entraînement pour la détection d'images hors distribution, révélant que la fonction de perte par entropie croisée offre les performances les plus cohérentes sur divers jeux de données et scénarios.
Cet article présente un cadre semi-supervisé d'analyse d'anomalies basé sur une architecture générative adversaire, conçu pour être déployé en ligne sur une chaîne de production pharmaceutique haute vitesse (Blow-Fill-Seal) afin de détecter et localiser les défauts avec une grande précision tout en respectant des contraintes de temps strictes.
Le papier propose 3DGS-HPC, un cadre innovant qui améliore la reconstruction 3D en éliminant les distracteurs transitoires grâce à une classification hybride par patchs combinant cohérence spatiale locale et métriques photométriques et perceptuelles.
Ce papier présente StructAttack, une méthode de contournement de sécurité qui exploite la capacité de raisonnement des modèles vision-langage pour assembler des blocs visuels bénins en une structure cohérente et malveillante via un remplissage de slots sémantiques, permettant ainsi de générer des réponses dangereuses sans déclencher les mécanismes de protection.
Cet article propose une méthode d'apprentissage efficace pour la simplification des nuages de points LiDAR, combinant un module d'incorporation de caractéristiques et un échantillonnage basé sur l'attention, qui surpasse les approches existantes en offrant un compromis optimal entre vitesse de traitement et précision pour la détection et la classification d'objets.
Le papier présente EmbedTalk, une méthode de synthèse de têtes parlantes qui remplace les tri-planes par des embeddings appris pour piloter la déformation de Gaussiens 3D, permettant ainsi d'obtenir une qualité supérieure et une exécution temps réel sur GPU mobile tout en évitant les limitations des représentations volumétriques traditionnelles.
Cet article propose une méthode non supervisée utilisant deux réseaux de champs neuronaux et des fonctions d'activation périodiques (SIREN) pour modéliser la surface de l'eau et corriger les distorsions de réfraction dans les images aériennes, surpassant ainsi les approches existantes tout en estimant la topographie de la surface.
Ce papier propose un nouveau cadre de représentation visuelle implicite qui encode les signaux comme des fonctions paramétrées par des adaptations à faible rang sur un modèle génératif gelé, permettant ainsi une compression vidéo perceptuelle extrêmement efficace et unifiée avec la génération.
Cette étude démontre que les hallucinations dans les modèles vision-langage résultent d'un processus de « surréflexion » où des hypothèses erronées se propagent à travers les couches internes, et propose un nouveau score mesurant cette instabilité pour améliorer significativement la détection de ces hallucinations.
Le papier présente Duala, un cadre d'alignement à double niveau qui améliore le décodage visuel inter-sujets en fMRI en assurant la cohérence sémantique des stimuli et l'adaptation aux variations individuelles, permettant d'atteindre une précision de récupération supérieure à 81,1 % avec un seul heure de données d'entraînement.
Cet article présente Mobile GlottisNet, un cadre de détection de la glotte léger et efficace conçu pour l'intubation nasale en temps réel sur des appareils embarqués, utilisant des mécanismes de découplage spatial et d'apprentissage de caractéristiques pour atteindre une haute vitesse d'inférence tout en garantissant une précision robuste dans des conditions cliniques complexes.
Cet article présente une pipeline de génération de données synthétiques basée sur un jumeau numérique de l'aéroport d'Alger pour entraîner un détecteur de chariots à bagages, démontrant que l'entraînement mixte avec ces données et seulement 40 % d'annotations réelles permet d'atteindre des performances équivalentes à l'utilisation de l'ensemble des données réelles tout en réduisant l'effort d'annotation de 25 à 35 %.
Le papier présente AtomicVLA, un cadre unifié de planification et d'exécution qui surpasse les modèles VLA existants en apprenant et en composant dynamiquement des compétences atomiques via un mélange d'experts guidé par les compétences, permettant ainsi une acquisition continue de compétences pour des tâches robotiques à long horizon.
Le papier présente GLASS, un cadre novateur qui combine l'analyse spectrale géométrique et des priors sémantiques issus de modèles vision-langage pour établir des correspondances denses et sémantiquement cohérentes entre des formes 3D, surpassant les méthodes existantes même dans des conditions de déformations non isométriques et inter-classes sans supervision manuelle.
Cet article propose le cadre d'inférence auto-critique (SCI), qui améliore la robustesse des modèles vision-langage en étendant le décodage par contraste visuel via un raisonnement contrefactuel itératif, et introduit DRBench, une nouvelle norme d'évaluation dynamique pour mesurer les biais linguistiques et la sensibilité de ces modèles.
Ce papier présente Holi-Spatial, le premier jeu de données multimodal à grande échelle entièrement automatisé, construit à partir de flux vidéo bruts pour fournir une supervision spatiale multi-niveaux (incluant des reconstructions 3DGS et des paires questions-réponses) qui améliore significativement les performances des modèles de vision-langage en matière de raisonnement spatial.
Le papier présente Ref-DGS, une méthode de splatting gaussien dual qui améliore la reconstruction de surfaces et la synthèse de vues nouvelles pour les scènes réfléchissantes en découplant la géométrie des réflexions spéculaires via une représentation à double gaussienne et un shader adaptatif, le tout sans recourir au ray tracing explicite.