4844 articles
Cet article présente PulseFocus, une méthode d'inférence sans entraînement qui améliore la compréhension d'images multiples par les modèles vision-langage en structurant le raisonnement pour corriger les pulsions d'attention diffuses et les biais positionnels observés lors de la génération de chaînes de pensée.
Cette étude présente une évaluation systématique des méthodes de compression de réseaux de neurones (élagage, quantification et distillation de connaissances) pour la classification d'images hyperspectrales, démontrant qu'elles permettent de réduire significativement la taille et le coût computationnel des modèles tout en maintenant des performances de classification compétitives pour le déploiement sur des plateformes à ressources limitées.
Bien que les grands modèles multimodaux (MLLM) offrent une nouvelle approche pour la détection d'anomalies vidéo via le raisonnement linguistique, cette étude révèle que leur utilisation en mode zéro-shot sur des benchmarks réels souffre d'un biais conservateur entraînant un effondrement du rappel, bien que des instructions spécifiques puissent significativement améliorer les performances globales.
FOZO propose une méthode d'optimisation de prompt sans rétropropagation et économe en mémoire pour l'adaptation au moment du test, utilisant une estimation de gradient d'ordre zéro avec une échelle de perturbation décroissante pour surpasser les méthodes existantes sur des dispositifs à ressources limitées.
Ce papier présente Real-IISR, un cadre unifié d'autorégression guidé par des priors thermiques-structuraux et un nouveau jeu de données FLIR-IISR, conçus pour relever les défis de la super-résolution d'images infrarouges dans des conditions réelles en gérant les dégradations optiques et de capteurs complexes.
Bien que la famille de modèles GPT-5 représente une avancée significative vers un raisonnement clinique multimodal intégré en surpassant GPT-4o dans la synthèse textuelle et l'analyse d'images, cette étude démontre qu'elle ne remplace pas encore les systèmes spécialisés dans des tâches de perception critique hautement spécifiques comme la neuroradiologie et la mammographie.
Ce papier propose une nouvelle architecture GAMDSS qui améliore la reconnaissance des micro-expressions en corrigeant les biais d'annotation humaine, notamment dans les contextes interculturels, grâce à une sélection dynamique de cadres clés et une modélisation spatio-temporelle optimisée sans augmenter le nombre de paramètres.
Cet article présente DSA-SRGS, un cadre pionnier de super-résolution par Gaussian Splatting conçu pour reconstruire des modèles 4D de vaisseaux sanguins à haute fidélité à partir de projections DSA dynamiques et peu nombreuses, en intégrant des modules d'apprentissage de texture multi-fidélité et de densification radiative sub-pixel pour surmonter les limitations de résolution et les artefacts des méthodes existantes.
Le papier propose MADCrowner, un cadre d'apprentissage automatique novateur qui combine la déformation de modèles 3D guidée par le contexte anatomique et la segmentation précise des marges cervicales pour générer des couronnes dentaires personnalisées avec une précision géométrique et une faisabilité clinique supérieures aux méthodes existantes.
Ce rapport technique propose un cadre de perception respectueux de la vie privée, basé sur l'architecture collaborative edge-cloud et le paradigme AI Flow, qui transforme les images brutes en vecteurs de caractéristiques abstraits et irréversibles pour permettre une reconnaissance comportementale et une reconstruction sémantique dynamique sans jamais exposer les données visuelles originales.
Ce papier propose le RMK RetinaNet, une nouvelle architecture de détection d'objets orientés pour l'imagerie satellitaire qui surpasse les méthodes existantes en surmontant les limitations des champs récepteurs, de la fusion de caractéristiques multi-échelles et de la régression d'angles grâce à des blocs de noyaux multi-échelles, une attention contextuelle directionnelle, un chemin de remontée et un module d'encodage d'angles d'Euler.
Cet article propose « LAW & ORDER », un cadre adaptatif de pondération spatiale combinant un pondérateur d'apprentissage (LAW) pour améliorer la synthèse d'images médicales par diffusion et un détecteur de régions optimisé (ORDER) pour la segmentation efficace, démontrant des performances supérieures sur des lésions de petite taille tout en réduisant considérablement la complexité computationnelle.
Cette revue comparative démontre que les architectures de réseaux de neurones convolutifs surpassent les méthodes traditionnelles pour la segmentation et la classification précises des gliomes cérébraux, des étapes cruciales pour la planification thérapeutique et le pronostic personnalisé.
Ce papier présente MASQuant, un cadre de quantisation post-entraînement innovant pour les modèles de langage multimodaux qui résout les problèmes de désalignement de lissage et d'invariance computationnelle intermodale grâce à un lissage spécifique à la modalité et à une compensation par blanchiment SVD, garantissant ainsi des performances stables et compétitives.
Cet article propose la Reconstruction Contrastive par Diffusion (DCR), une méthode qui intègre des signaux contrastifs dérivés des images reconstruites dans le processus de diffusion pour surmonter les limites des encodeurs visuels CLIP et équilibrer simultanément les capacités de discrimination et de perception des détails.
Le papier présente Meta-D, une architecture qui exploite les métadonnées catégorielles des scanners pour optimiser l'extraction de caractéristiques et améliorer la segmentation des tumeurs cérébrales, notamment en cas de modalités manquantes.
Cet article démontre qu'en comblant les écarts de domaine grâce à un nouveau jeu de données de haute qualité et à des augmentations réalistes, un modèle léger exploitant les signaux de polarisation peut surpasser les modèles de fondation RGB, même avec beaucoup moins de données d'entraînement et de paramètres.
Ce papier propose le cadre CAD (Class-specific Augmentation based Disentanglement), une méthode novatrice utilisant des régulations intra- et inter-classe pour atténuer l'entrelacement des instances et améliorer les performances de l'apprentissage par étiquettes partielles dépendantes des instances (ID-PLL).
Cet article propose SADCA, une méthode d'attaque par contraste dynamique et enrichie sémantiquement qui améliore significativement la transférabilité des exemples adversariaux sur les modèles vision-langage en perturbant progressivement l'alignement multimodal et en augmentant la diversité des attaques.
Ce papier propose MPCAttack, un cadre d'attaque collaborative multi-paradigme qui améliore la transférabilité des exemples adversariaux contre les modèles de langage multimodaux en optimisant conjointement les représentations sémantiques visuelles et textuelles via une stratégie d'optimisation collaborative adaptative.