5292 articles
LFG est un cadre d'apprentissage sans étiquettes qui exploite des vidéos de conduite non posées pour entraîner un modèle prédictif guidé par des enseignants multimodaux, générant ainsi une représentation unifiée 4D qui surpasse les méthodes existantes pour la planification autonome.
Le papier présente Diffusion Probe, un cadre efficace et agnostique au modèle qui prédit la qualité finale d'images générées par diffusion à partir de cartes d'attention croisée précoces, permettant ainsi d'optimiser les flux de travail en évitant le calcul inutile sur des générations de faible potentiel.
Le papier présente DiffusionHarmonizer, un cadre d'amélioration générative en ligne qui transforme les rendus de scènes imparfaites issus de la reconstruction neuronale en sorties photoréalistes et temporellement cohérentes grâce à un amplificateur conditionné par le temps dérivé d'un modèle de diffusion préentraîné.
UFO-4D est un cadre unifié et feedforward capable de reconstruire une représentation 4D dense et explicite à partir de deux images non positionnées en estimant directement des Splats Gaussiens 3D dynamiques, ce qui permet une estimation conjointe et cohérente de la géométrie, du mouvement et de la pose caméra grâce à une synthèse d'images auto-supervisée.
En démontrant que les paradigmes de raisonnement ne se transfèrent pas directement à la perception visuelle, ce papier propose Dr. Seg, un cadre GRPO plug-and-play intégrant un mécanisme de confirmation et une récompense hiérarchisée pour améliorer les modèles de langage visuel dans des tâches complexes de segmentation.
Le papier présente AlignVAR, un cadre d'autorégression visuelle globalement cohérent pour la super-résolution d'images qui surmonte les limites de cohérence globale des modèles existants grâce à une autorégression de cohérence spatiale et une contrainte de cohérence hiérarchique, offrant ainsi une reconstruction structurelle supérieure avec une inférence nettement plus rapide et moins de paramètres que les approches basées sur la diffusion.
Le papier présente SOLACE, un cadre d'entraînement postérieur qui améliore la génération d'images à partir de texte en utilisant un signal de récompense intrinsèque basé sur la confiance du modèle lui-même, permettant ainsi une optimisation non supervisée qui renforce la cohérence, le rendu textuel et l'alignement sans nécessiter de données externes ou d'annotateurs.
Le papier présente Dr. Occ, un cadre de prédiction d'occupation 3D guidé par la profondeur et les régions qui améliore la perception autonome en résolvant les problèmes d'alignement géométrique et de déséquilibre des classes spatiales grâce à un transformateur de vue 2D-3D assisté par MoGe-2 et un transformateur d'experts adaptatif.
Le papier présente FreeAct, un cadre de quantisation innovant qui améliore les performances des modèles de langage en libérant les activations de contraintes statiques pour leur permettre d'adapter dynamiquement des transformations spécifiques à chaque type de token, surpassant ainsi les méthodes existantes sur les modèles de diffusion et multimodaux.
Le papier présente Kiwi-Edit, une architecture unifiée et un pipeline de génération de données évolutif qui surmontent les limitations des méthodes d'édition vidéo actuelles en combinant des instructions textuelles et des références visuelles pour atteindre un état de l'art en matière de contrôle précis.
Ce papier présente Track4World, un modèle feedforward efficace capable d'estimer le flux dense 2D/3D et de suivre chaque pixel d'une vidéo monoculaire dans un système de coordonnées centré sur le monde, surpassant les méthodes existantes en précision et en rapidité pour la reconstruction 4D.
Le papier présente PVT-GDLA, un décodeur Transformer innovant intégrant une attention linéaire différentielle à porte pour réaliser une segmentation médicale haute fidélité avec une complexité linéaire, surmontant ainsi les compromis entre précision des contours, efficacité computationnelle et stabilité de l'entraînement.
Ce papier présente MultiShadow, une méthode exploitant un modèle de diffusion pré-entraîné pour générer des ombres physiquement plausibles et géométriquement cohérentes pour plusieurs objets insérés simultanément dans une scène, comblant ainsi une lacune des approches existantes limitées aux objets uniques.
Ce papier présente IoUCert, un cadre de vérification formelle innovant qui permet pour la première fois de garantir la robustesse de détecteurs d'objets ancrés réalistes, tels que SSD et YOLO, en contournant les limitations des relaxations non linéaires grâce à une transformation de coordonnées et une propagation de bornes par intervalles optimisée pour les métriques d'IoU.
Les auteurs proposent un cadre de traduction non apparié basé sur le pont de Schrödinger neuronal, enrichi par une correspondance de distribution guidée par diffusion et une régularisation de préservation anatomique, pour améliorer la qualité et le réalisme des images IRM cérébrales à très bas champ (64 mT) en les rapprochant de celles à 3 T.
Ce papier présente TumorFlow, un cadre génératif guidé par la physique capable de synthétiser des séquences d'IRM cérébrale 3D longitudinales réalistes pour le glioblastome, en combinant des modèles de croissance biophysique et des réseaux génératifs pour visualiser la progression tumorale et générer des données synthétiques contrôlées.
NOVA3R est une approche feed-forward innovante qui réalise une reconstruction 3D amodale complète et physiquement plausible à partir d'images non positionnées en apprenant une représentation de scène globale et découplée de l'alignement pixel, surpassant ainsi les méthodes d'état de l'art en précision et en complétude.
Cet article propose un cadre unifié à base d'attention croisée initialisée à zéro et de contraintes topologiques pour améliorer la détection conjointe des lacunes et des espaces périvasculaires dilatés, surpassant les performances actuelles sur les jeux de données VALDO et EPAD grâce à une calibration anatomique réduisant les faux positifs.
Le papier présente « Gaussian Wardrobe », un cadre novateur qui utilise une représentation 3D compositionnelle pour séparer le corps des vêtements dans des avatars neuronaux, permettant ainsi une synthèse de poses réalistes et un essayage virtuel libre où les vêtements peuvent être transférés sur de nouveaux sujets.
Cette étude démontre que l'alignement linguistique, via une méthode novatrice appelée « Semantic Anchoring », permet de surmonter l'effondrement sémantique et d'améliorer la généralisation des modèles de fondation en pathologie computationnelle entre les espèces et les types de cancer, en réorientant les caractéristiques visuelles sans nécessiter de réentraînement complet.