4140 articles
L'article présente EntON, une nouvelle stratégie de densification de voisinage optimisée par l'entropie des valeurs propres pour le splatting gaussien 3D, qui améliore la précision géométrique et la qualité de rendu tout en réduisant le nombre de gaussiennes et le temps d'entraînement grâce à une alternance entre densification par gradient et densification guidée par la structure locale.
Cet article présente WAFL, une nouvelle approche de localisation des falsifications temporelles qui remplace la régression temporelle par une classification binaire au niveau des mots, en utilisant un module d'alignement des caractéristiques forensiques et une perte asymétrique pour améliorer la précision et l'efficacité computationnelle.
Cet article propose SSLA-Det, un modèle de détection d'objets basé sur des caméras événementielles qui utilise une attention linéaire spatialement parcimonieuse pour surmonter les compromis entre précision et latence, atteignant ainsi des performances de pointe avec une réduction significative des calculs par événement.
Le papier propose TaPD, un cadre unifié de distillation progressive adaptative au temps qui améliore la prédiction de trajectoire pour la conduite autonome en reconstruisant explicitement les historiques manquants et en transférant des connaissances de modèles à long terme, permettant ainsi des performances robustes même avec des observations très courtes.
Le papier présente DC-Merge, une méthode de fusion de modèles qui améliore la rétention des connaissances en équilibrant la distribution d'énergie des vecteurs de tâches et en alignant leur géométrie directionnelle dans un sous-espace orthogonal commun, permettant ainsi d'atteindre des performances de pointe sur divers benchmarks.
Le papier propose HCF-RES, un cadre multimodal innovant qui améliore la segmentation 3D par expression de référence grâce à une décomposition hiérarchique des sémantiques visuelles et une fusion collaborative progressive, atteignant ainsi des performances de pointe sur les benchmarks ScanRefer et Multi3DRefer.
Le papier présente NOVA, une approche innovante de suivi multi-objets 3D qui utilise l'autorégression de modèles de langage pour généraliser la détection à des cibles inconnues en reformulant les trajectoires comme des séquences sémantiques spatio-temporelles, permettant ainsi d'atteindre des performances supérieures sur des catégories nouvelles grâce à un raisonnement sémantique de haut niveau.
Le papier présente GazeMoE, un cadre novateur basé sur des mélanges d'experts qui exploite de manière sélective les indices visuels d'un modèle fondamental figé pour atteindre des performances de pointe dans l'estimation des cibles de regard, tout en surmontant les déséquilibres de classes grâce à des techniques d'augmentation de données et de perte auxiliaire.
Ce papier présente ODD-SEC, un système de détection de drones en temps réel conçu pour des plateformes mobiles, qui utilise une caméra événementielle rotative à 360 degrés et une nouvelle représentation d'événements sans compensation de mouvement pour assurer une surveillance fiable même dans des conditions difficiles.
Le papier présente HiPP-Prune, un cadre de pruning structuré hiérarchique conditionné par les préférences qui optimise l'allocation des ressources de compression dans les modèles vision-langage pour équilibrer l'utilité des tâches et la robustesse aux hallucinations via une stratégie d'apprentissage par renforcement multi-objectifs.
Ce papier présente StrSR, un cadre de distillation adversaire en une étape intégrant une régularisation spectrale et de trajectoire pour surmonter les limitations des méthodes existantes et atteindre des performances de pointe en super-résolution d'images réelles avec les transformateurs de diffusion.
Ce papier présente OccNL, le premier benchmark pour la prédiction d'occupation sémantique 3D sous bruit de labels, et propose DPR-Occ, un cadre robuste qui surpasse les méthodes existantes en maintenant la précision géométrique et sémantique malgré des niveaux de corruption extrêmes.
Cet article propose ADiVA, une nouvelle approche pour l'apprentissage zéro-shot génératif qui surpasse les méthodes actuelles en modélisant la distribution des attributs pour combler l'écart classe-instance et en alignant explicitement les représentations sémantiques et visuelles pour réduire l'écart de domaine.
Le papier présente FlowMotion, un cadre novateur sans entraînement qui réalise un transfert de mouvement vidéo efficace et flexible en exploitant directement les prédictions latentes des modèles T2V basés sur le flux pour aligner les motifs temporels tout en assurant une régularisation de la vitesse.
Cet article propose une méthode d'inpainting 3D basée sur des modèles de diffusion à score perpendiculaires pour éliminer les artefacts causés par les implants dentaires dans les images CBCT en modélisant les corrélations entre les projections, contrairement aux approches 2D existantes.
Ce papier présente DEX-AR, une nouvelle méthode d'explicabilité dynamique conçue pour interpréter les modèles vision-langage autoregressifs en générant des cartes thermiques 2D qui identifient les régions d'image cruciales pour les réponses textuelles, grâce à un filtrage dynamique des têtes d'attention et une agrégation séquentielle distinguant les tokens visuels des tokens linguistiques.
Les auteurs proposent LTA, une attaque par transfert qui optimise des perturbations dans l'espace latent d'un VAE Stable Diffusion préentraîné plutôt qu'en espace pixel, générant ainsi des exemples adverses plus robustes, cohérents spatialement et efficaces contre divers modèles de vision.
Ce papier propose WMoE-CLIP, une méthode d'apprentissage de prompts pour la détection d'anomalies en zéro-shot qui améliore la généralisation en intégrant des représentations sémantiques globales via un auto-encodeur variationnel, en exploitant les décompositions en ondelettes pour affiner les embeddings textuels et en utilisant un module d'experts mixtes sensible au contexte.
Le papier propose P-SLCR, une méthode d'apprentissage non supervisé pour la segmentation sémantique de nuages de points qui combine l'apprentissage de structures cohérentes et un raisonnement relationnel basé sur des prototypes, surpassant les méthodes supervisées classiques comme PointNet sur plusieurs jeux de données.
Cette étude évalue la capacité de ChatGPT à pasticher des œuvres d'art contemporaines, révélant un écart significatif entre les similarités visuelles et la perte de dimensionnalité, de contexte et d'intentionnalité perçue par les artistes originaux, ce qui plaide pour l'adoption d'un tableau de bord de métriques complémentaires plutôt que d'une mesure unique.