5332 articles
Le papier présente BiEvLight, un cadre d'apprentissage hiérarchique et orienté tâche qui résout le couplage bruit-signal dans l'amélioration d'images en faible luminosité en reformulant le débruitage des événements comme un problème d'optimisation bi-niveau contraint par la tâche d'amélioration, surpassant ainsi les méthodes de l'état de l'art.
Ce papier présente 3D-RFT, un cadre pionnier d'affinement par renforcement qui étend l'apprentissage par renforcement avec récompenses vérifiables à la compréhension de scènes 3D vidéo en optimisant directement les modèles multimodaux selon des métriques d'évaluation spécifiques, surpassant ainsi les approches existantes et des modèles plus grands sur diverses tâches de perception et de raisonnement 3D.
Le papier présente VideoHV-Agent, un cadre multi-agents qui améliore la compréhension des vidéos longues en reformulant le raisonnement comme un processus structuré de formulation d'hypothèses et de vérification, surpassant ainsi les méthodes existantes en précision, en interprétabilité et en efficacité computationnelle.
Le papier présente Wallaroo, un modèle autoregressif simple qui unifie la compréhension, la génération et l'édition multimodales grâce à la prédiction de jetons suivants, en supportant des résolutions multiples et le bilinguisme chinois-anglais.
Le papier présente TAPFormer, un cadre de suivi de points arbitraires robuste qui fusionne de manière asynchrone et adaptative des images et des flux d'événements pour surmonter les problèmes d'alignement temporel et de défaillance des modalités, tout en introduisant un nouveau jeu de données réel pour valider ses performances supérieures sur des benchmarks standards.
Le papier présente MultiGO++, un cadre novateur de reconstruction 3D de humains vêtus à partir d'une seule image qui surpasse les méthodes existantes en surmontant leurs limitations texturales, géométriques et systémiques grâce à une collaboration efficace entre géométrie et texture.
Le papier présente Lens2Zernike, un cadre d'apprentissage profond physiquement cohérent qui récupère de manière aveugle les paramètres optiques à partir d'une seule image floue en intégrant une supervision multi-tâche sur trois domaines optiques distincts, permettant ainsi une déconvolution non aveugle stable et une restauration supérieure des détails sur les appareils mobiles.
Cette étude propose une évaluation à grande échelle des modèles de restauration d'images génératifs, révélant un changement de paradigme où le défi principal évolue de la pénurie de détails vers le contrôle de la qualité et de la sémantique pour éviter la sur-génération.
Le papier présente Tell2Adapt, un cadre unifié d'adaptation de domaine non supervisée sans source pour la segmentation d'images médicales qui exploite les connaissances d'un modèle de fondation visuel via des régularisations de prompts contextuels et un raffinement de plausibilité visuelle pour surpasser les méthodes existantes sur une large gamme de cibles anatomiques.
Cet article propose un cadre de segmentation sémantique généralisable et un nouveau jeu de données de référence, Semap, pour traiter efficacement la diversité des collections de cartes historiques, démontrant ainsi la viabilité d'une approche axée sur la diversité pour l'intégration de ces archives dans les études géohistoriques.
Cet article présente IRTTA, une méthode d'adaptation au test qui améliore la segmentation d'images médicales en exploitant les reconstructions intermédiaires de la tomographie par cohérence optique pour ajuster dynamiquement les paramètres d'un réseau de segmentation figé sans modifier le processus de reconstruction ni le modèle initial.
Le papier présente CoIn3D, un cadre généralisable pour la détection d'objets 3D multi-caméras qui améliore le transfert vers des configurations inédites en intégrant explicitement les disparités des priors spatiaux (intrinsèques, extrinsèques et agencement) via une modulation de caractéristiques spatiales et une augmentation de données par synthèse d'images.
Cet article propose CLIP-PZSL, un cadre d'apprentissage zéro-shot piloté par CLIP qui gère les étiquettes ambiguës en fusionnant les caractéristiques d'instances et de labels via un bloc d'extraction sémantique et une fonction de perte partielle pour identifier progressivement les vérités terrain et améliorer l'alignement sémantique.
Cette étude présente un système de détection des gyrophares bleus utilisant quatre caméras grand angle et un modèle RT-DETR amélioré par une attention chromatique, qui atteint une précision de 94,7 % sur le jeu de données ABLDataset pour renforcer la sécurité routière via les systèmes ADAS.
L'article propose MI-DETR, une méthode bio-inspirée pour la détection de petites cibles infrarouges en mouvement qui intègre explicitement l'information motrice via un automate cellulaire et des voies parvocellulaire et magnocellulaire, atteignant des performances de pointe sur plusieurs benchmarks sans nécessiter de supervision ou d'alignement supplémentaires.
Ce papier présente UniM, le premier benchmark unifié de 31 000 instances couvrant sept modalités pour évaluer les capacités des grands modèles multimodaux à comprendre et générer des entrées et sorties multimodales entrelacées de manière arbitraire, accompagné d'une suite d'évaluation et d'un modèle de référence nommé UniMA.
Le papier présente MoRe, un réseau de reconstruction 4D feed-forward efficace qui, grâce à une stratégie d'attention forcée et une attention causale groupée, permet de reconstruire des scènes dynamiques de haute qualité à partir de vidéos monoculaires tout en évitant les coûts computationnels élevés des méthodes d'optimisation existantes.
Cet article propose Orster, un cadre novateur qui transfère les priors spatiaux et temporels de modèles de diffusion 3D et vidéo vers un modèle de diffusion 4D désenchevêtré, surmontant ainsi le manque de données 4D massives pour générer du contenu 4D de haute qualité avec une cohérence spatio-temporelle supérieure.
Cet article propose une méthode d'attribution Shapley sur-manifold fondée sur des flots génératifs optimaux, qui résout les artefacts hors-manifold en définissant un attribut canonique unique via l'intégrale de ligne du gradient le long des géodésiques de Wasserstein minimisant l'énergie cinétique.
Le papier propose GEM-TFL, un cadre de localisation de falsification temporelle qui comble l'écart entre l'apprentissage faiblement et pleinement supervisé en combinant une optimisation EM pour enrichir les étiquettes binaires, un raffinement temporel sans entraînement et un module de raffinement basé sur des graphes pour améliorer la précision et la cohérence des détections.