4018 articles
Cet article propose l'algorithme GFHTP₁, une méthode de poursuite par seuillage dur basée sur la minimisation des déviations absolues (LAD) qui permet de récupérer avec précision des signaux clairsemés corrompus par des valeurs aberrantes sans nécessiter de connaissance préalable du niveau de clairsemage.
SpatialMem est un système centré sur la mémoire qui utilise une structure spatiale 3D métrique comme index interprétable pour permettre la récupération et les questions-réponses basées sur le langage à partir de vidéos egocentriques à long horizon, sans nécessiter de capteurs spécialisés.
Ce papier présente OnlineSI, un cadre innovant permettant aux modèles de langage multimodaux d'améliorer continuellement leur compréhension et leur ancrage spatiaux dans des environnements dynamiques en utilisant une mémoire spatiale finie et des données de nuages de points 3D, tout en introduisant une nouvelle métrique d'évaluation pour les systèmes embarqués réels.
Le papier propose SRA 2, un cadre d'alignement intrinsèque et léger qui utilise les caractéristiques de VAE pré-entraînés pour accélérer l'entraînement des transformateurs de diffusion sans dépendre de modèles externes coûteux, améliorant ainsi à la fois la qualité de génération et la vitesse de convergence.
Le papier présente FARTrack, un cadre de suivi visuel autoregressif rapide qui allie haute performance et exécution efficace sur divers appareils grâce à une distillation auto-supervisée spécifique aux tâches et à une sparsification inter-image, permettant d'atteindre 343 images par seconde sur GPU tout en maintenant un score AO de 70,6 % sur GOT-10k.
Le papier propose SpatialReward, un modèle de récompense qui comble le fossé de perception dans l'apprentissage par renforcement en ligne pour l'édition d'images en intégrant un raisonnement spatial explicite, permettant ainsi d'obtenir des performances de pointe sur plusieurs benchmarks et d'améliorer significativement les modèles de génération comme OmniGen2.
Le papier propose (MGS)-Net, un cadre géométrique unifié qui intègre le filtrage de structure macro-géométrique et l'adaptation d'échelle micro-géométrique pour surmonter les désalignements entre vues aériennes obliques et images satellites, atteignant ainsi des performances de pointe en géolocalisation croisée.
Ce papier présente MiDAS, un système open-source et agnostique de plateforme permettant l'acquisition multimodale non invasive et synchronisée de données pour la chirurgie robotique mini-invasive, validé sur des robots Raven-II et da Vinci Xi avec des jeux de données annotés incluant des tâches de suture de hernie.
Le papier présente DAV-GSWT, un cadre efficace en données qui combine des modèles de diffusion et un échantillonnage actif de vues pour générer des tuiles de Gaussien Splatting de haute fidélité à partir d'observations minimales, réduisant ainsi considérablement le volume de données requis tout en préservant l'intégrité visuelle des environnements virtuels à grande échelle.
Le papier présente RobSelf, un modèle auto-supervisé qui résout le problème de la super-résolution croisée sur des données réelles mal alignées en optimisant conjointement un traducteur de caractéristiques et un filtre de référence, surpassant ainsi les méthodes existantes en performance et en efficacité.
L'article présente UrbanAlign, une méthode post-hoc qui aligne les modèles vision-langage sur les préférences humaines pour l'évaluation urbaine sans modifier leurs poids, en exploitant leur capacité d'extraction de concepts via un pipeline d'évaluation interprétable et une calibration par régression.
En démontrant que les modèles de fondation visuelle intègrent naturellement des structures géométriques et des priors d'interaction, cette étude propose une méthode d'estimation d'affordance sans entraînement et en zéro-shot qui fusionne ces deux composantes pour obtenir des performances compétitives.
StoryTailor est un pipeline zéro-shot conçu pour générer des séquences d'images narratives cohérentes et fidèles à l'identité des sujets sur un seul GPU, en résolvant les tensions entre la fidélité de l'action, la conservation de l'identité et la continuité du fond grâce à trois modules synergiques.
Ce papier présente UniVBench, un benchmark unifié et un système d'évaluation agentic (UniV-Eval) conçus pour évaluer de manière holistique les capacités des modèles de fondation vidéo dans la compréhension, la génération, l'édition et la reconstruction de vidéos complexes, comblant ainsi le fossé des évaluations fragmentées existantes.
Cet article présente une méthode basée sur des réseaux de neurones à graphes géométriquement conscients pour reconstruire des conformations atomiques à partir de données de cryo-microscopie électronique hétérogènes, en exploitant des a priori structuraux pour surpasser les approches classiques.
Le papier propose DPCache, un cadre d'accélération sans entraînement pour les modèles de diffusion qui formule l'échantillonnage comme un problème de planification de chemin global pour sélectionner dynamiquement les étapes clés et minimiser les erreurs, permettant ainsi d'obtenir une accélération significative sans perte de qualité.
Ce papier présente Synthetic Visual Genome 2 (SVG2), un jeu de données massif de graphes de scènes vidéo panoptiques généré automatiquement, ainsi que TRaSER, un modèle qui exploite ce corpus pour améliorer significativement la détection de relations et d'objets dans les vidéos par rapport aux meilleures méthodes existantes.
Cet article propose un cadre de déhazing adaptatif et dynamique qui utilise une boucle d'optimisation fermée, combinant des retours de tâches en aval et des instructions textuelles, pour ajuster en temps réel la suppression du brouillard sans réentraînement afin de répondre aux besoins spécifiques de diverses applications.
Ce papier présente PanScale, un nouveau jeu de données et une référence pour l'évaluation de la fusion d'images multispectrales à différentes échelles, ainsi que ScaleFormer, une architecture innovante qui améliore la généralisation cross-échelle en traitant les résolutions comme des longueurs de séquences variables.
Le papier présente Mobile-VTON, un cadre de haute fidélité et respectueux de la vie privée qui permet un essai virtuel de vêtements entièrement hors ligne sur des appareils mobiles courants grâce à une architecture modulaire optimisée et des stratégies d'apprentissage avancées.