4036 articles
Cet article propose une décomposition fonctionnelle en anneau de tenseurs reparamétrée, utilisant des représentations neuronales implicites et une analyse fréquentielle pour améliorer la récupération de données multidimensionnelles continues, surpassant ainsi les méthodes existantes dans des tâches telles que l'inpainting et la super-résolution.
Le papier propose FastLightGen, une méthode de distillation synergique qui transforme les modèles de génération vidéo lourds en versions légères et rapides en réduisant simultanément le nombre d'étapes d'inférence et la taille du modèle, établissant ainsi un nouvel état de l'art en matière d'efficacité.
Le papier présente VSearcher, un agent de recherche multimodal entraîné par renforcement qui transforme des modèles statiques en agents capables d'effectuer des recherches web complexes et multi-tours en temps réel, surpassant ainsi les modèles propriétaires sur des benchmarks dédiés.
Ce papier propose Think-as-You-See (TaYS), un cadre unifié permettant un raisonnement par chaîne de pensée en flux continu et simultané pour les modèles de vision-langage, surpassant les approches par lots traditionnelles en réduisant la latence et en améliorant les performances sur des tâches de compréhension vidéo dynamique.
Le papier présente CoEditor++, un cadre d'édition d'images sans entraînement qui améliore la consistance visuelle et le raisonnement sémantique en décomposant les instructions en étapes cognitives structurées, surpassant ainsi les modèles open-source et fermés sur des tâches d'édition générales et responsables.
Le papier présente RoboLayout, une extension de LayoutVLM qui intègre des contraintes de reachabilité dans un processus d'optimisation différentiable pour générer des scènes 3D sémantiquement cohérentes et physiquement réalisables par divers agents incarnés.
Ce papier présente Omni-C, un encodeur Transformer dense unique qui compresse des modalités hétérogènes (images, audio, texte) en apprenant des représentations partagées via un pré-entraînement contrastif, permettant ainsi de réduire considérablement la complexité computationnelle et l'empreinte mémoire par rapport aux architectures multimodales traditionnelles.
Cet article propose un cadre multimodal innovant combinant un Transformer à injection clinique et un auto-encodeur masqué adapté au domaine pour prédire avec une grande précision le pronostic de la néphropathie lupique pédiatrique à partir de biopsies standardisées et de données cliniques.
Cet article propose SKETCHGAIT, un cadre de reconnaissance de la démarche robuste et sans étiquettes qui exploite les contours d'images RGB pour extraire des structures partielles denses et complémentaires aux silhouettes traditionnelles, atteignant ainsi des performances de pointe sur plusieurs jeux de données.
Cet article présente une méthode de prédiction de trajectoire pilotée par jumeau numérique pour les intersections urbaines V2X, qui intègre une nouvelle fonction de perte « twin loss » pour garantir la conformité aux règles de circulation et la sécurité tout en maintenant une précision de prédiction élevée.
Le papier présente AutoThinkRAG, un cadre innovant qui améliore la réponse aux questions sur des documents complexes en allouant dynamiquement les chemins de raisonnement via un routeur de complexité et en découplant l'interprétation visuelle de la déduction logique pour optimiser à la fois les performances et les coûts d'inférence.
Ce papier présente la méthode BISE, qui permet d'extraire des sous-réseaux exempts de biais à partir de modèles pré-entraînés standards par simple élagage, sans nécessiter de réentraînement ni de données supplémentaires.
Ce papier présente « Thinking with Spatial Code », un cadre novateur qui transforme les vidéos RGB en représentations 3D explicites et temporellement cohérentes pour permettre aux grands modèles de langage de raisonner sur des questions physiques, surpassant ainsi les modèles propriétaires sur le benchmark VSI-Bench.
Cet article propose le premier cadre de vérification robuste couplée pour les détecteurs de points clés basés sur des cartes de chaleur, qui garantit la robustesse en bornant les déviations conjointes de tous les points clés via un problème de falsification résolu par programmation linéaire en nombres entiers mixtes (MILP).
Le papier présente DreamCAD, un cadre génératif multimodal capable de produire des modèles CAO éditables (BRep) à partir de supervisions au niveau des points sans annotations spécifiques, permettant un entraînement à grande échelle sur des millions de maillages 3D et introduisant le jeu de données CADCap-1M pour les recherches texte-CAO.
Cet article propose ABRA, une nouvelle méthode d'apprentissage profond qui traite la correction des effets de lot biologique comme un problème de généralisation de domaine en utilisant une augmentation de représentation par perturbation adverse pour améliorer la classification des perturbations siRNA sur des données de criblage à haut contenu.
Cet article présente le Stabilisateur Post-Fusion (PFS), un module léger qui améliore la robustesse des détecteurs 3D multimodaux existants face aux défaillances des capteurs et aux changements de domaine en stabilisant les caractéristiques de la vue aérienne sans nécessiter de réentraînement complet.
Ce papier présente CBM-Suite, un cadre méthodologique qui surmonte les limitations fondamentales des modèles à goulot d'étranglement conceptuel (CBM) en proposant une métrique d'évaluation, en résolvant le problème de linéarité et en réduisant l'écart de précision, afin d'améliorer simultanément la performance et l'interprétabilité des modèles.
Ce papier propose l'interpolated FID (iFID), une nouvelle métrique dérivée du rFID qui, en interpolant les représentations latentes avec leurs plus proches voisins, établit pour la première fois une forte corrélation avec le FID de génération des modèles de diffusion, contrairement au rFID classique.
Cet article propose l'« Implicit Error Counting » (IEC), une méthode d'apprentissage par renforcement sans référence qui remplace les rubriques d'évaluation par un comptage d'erreurs pondérées, démontrant ainsi son efficacité supérieure à l'approche « Rubrics as Rewards » pour le réessayage virtuel de vêtements où plusieurs réponses valides existent.