3885 articles
Le papier présente FusionRegister, une méthode générale et efficace guidée par des priors visuels qui intègre directement l'enregistrement croisé dans la fusion d'images infrarouges et visibles pour améliorer l'alignement des détails et la robustesse sans nécessiter de pré-enregistrement extensif.
Le papier présente UniUncer, un cadre léger et unifié qui améliore la fiabilité de la conduite autonome de bout en bout en estimant et en exploitant conjointement les incertitudes statiques et dynamiques pour optimiser la planification.
Le papier présente FrameVGGT, un cadre de mémoire explicite piloté par les images qui remplace l'accumulation illimitée de tokens par des blocs de preuves cohérents résumés en prototypes, permettant ainsi aux transformateurs de géométrie visuelle en flux continu de maintenir une perception 3D précise et stable sous des contraintes de mémoire strictes.
Ce papier présente RoboPCA, un cadre d'apprentissage centré sur la pose qui prédit conjointement les régions de contact et les poses d'interaction à partir de démonstrations humaines, en utilisant une pipeline de curation de données nommée Human2Afford pour surmonter les incohérences des méthodes existantes et améliorer la manipulation robotique.
Ce papier propose CDA-VSR, une méthode de super-résolution vidéo en ligne qui exploite les informations du domaine compressé (vecteurs de mouvement, cartes de résidus et types de trames) pour améliorer l'efficacité computationnelle et la qualité de reconstruction, surpassant ainsi l'état de l'art en termes de vitesse et de précision sur le jeu de données REDS4.
Cet article présente le MMDM, un modèle de diffusion génératif doté d'un mécanisme d'agrégation d'attention cinématique qui apprend des priors de mouvement adaptatifs au contexte pour reconstruire efficacement des données de mouvement 3D incomplètes ou bruitées via des tâches de raffinement, de complétion et d'interpolation.
Le papier présente TDM-R1, une nouvelle méthode d'apprentissage par renforcement qui permet d'améliorer les modèles de diffusion en quelques étapes en intégrant efficacement des récompenses non différentiables, telles que les préférences humaines, grâce à une approche découplée d'apprentissage de récompense et de génération.
Le papier présente PARSE, un cadre de modélisation spatiale relationnelle au niveau des parties qui introduit le graphe d'assemblage centré sur les parties (PAG) et le jeu de données PARSE-10K pour améliorer le raisonnement spatial géométrique et la génération de scènes 3D physiquement cohérentes.
Le papier présente 3ViewSense, un cadre qui comble le déficit d'intelligence spatiale des modèles vision-langage en ancrant le raisonnement dans des vues orthographiques via un mécanisme « simuler-et-raisonner » pour reconstruire des représentations 3D cohérentes.
Le papier présente AR2-4FV, une méthode innovante pour le suivi de référence à long terme dans des vidéos à vue fixe qui utilise une banque d'ancres de fond statique et un mécanisme de ré-identification pour maintenir la cohérence de l'identité même lorsque la cible est occluse ou hors champ, améliorant ainsi considérablement les taux de reprise et réduisant la latence.
Le papier présente DECADE, un cadre de diffusion non supervisé et temporellement cohérent conçu pour réduire le bruit dans les images TEP cardiaques dynamiques au Rb-82 sans données d'entraînement appariées, tout en préservant la précision quantitative et la qualité des images paramétriques.
Ce papier présente MedQ-Deg, un benchmark multidimensionnel évaluant la robustesse et la calibration de la confiance de 40 modèles multimodaux de langage face à 18 types de dégradations d'images médicales, révélant que leur performance se dégrade systématiquement avec la sévérité des altérations tout en maintenant une confiance inappropriée.
Cet article propose le cadre GK-FedDKD, une approche d'apprentissage fédéré assistée par des connaissances géométriques et une distillation de connaissance duale, qui surpasse les méthodes de l'état de l'art pour l'analyse d'images satellites en surmontant l'hétérogénéité des données grâce à l'agrégation de connaissances géométriques globales et à l'augmentation des embeddings locaux.
Ce papier propose une méthode de transfert de style qui représente les images dans le domaine des coups de pinceau plutôt que dans le domaine des pixels, offrant ainsi une amélioration visuelle supérieure pour une représentation plus naturelle des œuvres d'art.
L'article présente OrdinalBench, un nouveau benchmark de 39 000 paires question-réponse conçu pour évaluer et diagnostiquer les limites de généralisation des modèles vision-langage dans la compréhension des nombres ordinaux, en révélant leurs difficultés à identifier des objets selon des règles de parcours complexes et des indices élevés.
Ce papier propose SGI, un cadre compact et efficace qui représente les images haute résolution en structurant des gaussiennes 2D autour de graines optimisées via une stratégie multi-échelle, permettant ainsi une compression et une convergence supérieures aux méthodes existantes sans altérer la fidélité de l'image.
Cet article présente 4DRC-OCC, une méthode pionnière fusionnant les données de radar 4D et de caméra pour améliorer la robustesse de la prédiction d'occupation sémantique 3D dans des conditions difficiles, tout en introduisant un jeu de données entièrement annoté automatiquement pour réduire la dépendance à l'annotation manuelle.
Ce papier présente MWM, un modèle du monde mobile qui améliore la navigation vers un objectif visuel grâce à un entraînement en deux étapes et une distillation d'état cohérente avec l'inférence, garantissant ainsi des prédictions visuelles stables et efficaces pour la planification.
Le papier présente HybridStitch, une nouvelle méthode d'accélération pour la génération d'images par diffusion qui combine un grand et un petit modèle en traitant la création comme une édition, en utilisant le petit modèle pour les zones simples et le grand pour les zones complexes, permettant ainsi un gain de vitesse de 1,83 fois sur Stable Diffusion 3.
Cette étude démontre comment l'utilisation de pièges photographiques peu coûteux couplés à des modèles de vision fondationnels permet de suivre avec précision la phénologie végétale et les interactions écologiques dans la sous-couche d'une forêt nuageuse hawaïenne, révélant des tendances invisibles aux méthodes d'échantillonnage traditionnelles.