5358 articles
Le papier présente Dark3R, un cadre novateur permettant la reconstruction 3D et la synthèse de nouvelles vues dans des conditions de très faible luminosité (SNR < -4 dB) en adaptant des modèles de fondation 3D via une distillation enseignant-élève et en s'entraînant uniquement sur des paires d'images brutes bruitées et propres, sans supervision 3D.
OpenFrontier est un cadre de navigation sans entraînement qui permet aux robots de se déplacer efficacement dans des environnements ouverts en utilisant des frontières visuelles comme ancres sémantiques pour intégrer des modèles vision-langage, éliminant ainsi le besoin de reconstruction 3D dense ou d'affinage spécifique.
Cet article présente ORMOT, une nouvelle tâche de suivi multi-objets omnidirectionnel guidé par le langage, accompagnée du jeu de données ORSet et du cadre ORTrack basé sur un modèle vision-langage de grande taille, conçus pour surmonter les limitations du champ de vue des méthodes existantes.
Le papier propose Fusion-CAM, un cadre innovant qui fusionne de manière adaptative les cartes d'activation de classe basées sur les gradients et les régions pour surmonter leurs limitations respectives et générer des explications visuelles plus robustes et discriminantes pour les réseaux de neurones convolutifs.
Cet article présente CliReg, un algorithme déterministe de bouclage de boucle pour la SLAM 3D LiDAR qui remplace la validation RANSAC par une recherche de cliques maximales sur un graphe de compatibilité, offrant ainsi une robustesse et une précision supérieures face au bruit et aux ambiguïtés environnementales.
Cet article présente un système de surveillance de la santé des poissons basé sur l'analyse vidéo de leurs mouvements, utilisant un suivi multi-objets avec un détecteur YOLOv11 pour estimer la direction et la vitesse de nage, et validé sur un jeu de données de poissons-riz de Sulawesi.
Le papier présente MobileFetalCLIP, une méthode de distillation de connaissances répulsive sélective qui permet à un modèle étudiant léger de surpasser un modèle enseignant massif dans l'analyse d'échographies fœtales, rendant ainsi possible un déploiement en temps réel sur des appareils mobiles à ressources limitées.
Le papier présente RelaxFlow, un cadre de génération 3D amodale sans entraînement qui utilise des prompts textuels pour compléter les régions occluses tout en préservant strictement l'observation d'entrée, grâce à un mécanisme de relaxation qui filtre les détails haute fréquence pour isoler la structure géométrique.
Le papier présente SAIL, une méthode de légendage dense de vidéos faiblement supervisée qui améliore la localisation temporelle en générant des masques guidés par l'alignement intermodal et en enrichissant les annotations par l'augmentation de légendes via des modèles de langage.
Ce papier présente CompACT, un tokeniseur discret qui comprime les observations en seulement 8 tokens pour permettre une planification basée sur des modèles du monde à la fois rapide et efficace, facilitant ainsi leur déploiement en temps réel.
Ce papier présente NaiLIA, une méthode de récupération multimodale d'images de designs d'ongles qui aligne efficacement les descriptions d'intention denses et les requêtes de palette de couleurs, surpassant les modèles existants grâce à une nouvelle fonction de perte et à un benchmark annoté par plus de 200 personnes.
Le papier présente RealWonder, un système temps réel pionnier qui génère des vidéos conditionnées par des actions physiques à partir d'une seule image en utilisant la simulation physique comme pont intermédiaire, permettant ainsi d'explorer interactivement les effets de forces et de manipulations sur divers matériaux.
Ce papier présente le planificateur LSP (Longest Stable Prefix), une méthode d'inférence sans entraînement pour les modèles de langage par diffusion qui accélère la génération de texte jusqu'à 3,4 fois en remplaçant l'acceptation fragmentée par l'absorption monolithique de préfixes stables, optimisant ainsi la localité mémoire et la cohérence linguistique.
Le papier propose EdgeDAM, un cadre de suivi d'objets léger et guidé par la détection conçu pour les appareils mobiles, qui améliore la robustesse face aux occlusions et aux distracteurs grâce à une mémoire à double tampon et à un mécanisme de stabilisation, tout en maintenant des performances en temps réel.
Cette étude présente HALP, une méthode permettant de détecter les hallucinations des modèles vision-langage en analysant leurs représentations internes avant même la génération d'un seul token, offrant ainsi une approche rapide et efficace pour améliorer la sécurité et l'efficacité de ces modèles.
Cette étude propose une méthode basée sur les champs de radiations neuronaux (NeRF) pour reconstruire des scènes 3D à partir d'images hyperspectrales infrarouges à ondes longues (LWIR) avec un nombre réduit d'images d'entraînement, permettant ainsi une détection efficace des panaches de gaz.
Ce papier présente MM-Lifelong, un jeu de données de 181,1 heures pour la compréhension multimodale à long terme, et propose ReMA, un agent récursif doté d'une gestion dynamique de la mémoire qui surpasse les méthodes actuelles en surmontant les goulots d'étranglement de la mémoire de travail et les effondrements de localisation globale.
Le papier présente CalibAtt, une méthode sans entraînement qui accélère la génération vidéo en identifiant et en sautant les calculs d'attention redondants et négligeables grâce à une calibration hors ligne, permettant ainsi d'obtenir un gain de vitesse allant jusqu'à 1,58 fois tout en préservant la qualité des résultats.
FaceCam est un système qui génère des vidéos de portraits humains avec des trajectoires de caméra personnalisées en utilisant une représentation d'échelle consciente pour éviter les distorsions géométriques, sans dépendre de priors 3D.
Cet article propose une méthode d'inpainting basée sur les transformers et consciente de la multi-vue, conçue comme un module de post-traitement indépendant pour compléter en temps réel les textures manquantes dans les flux 3D issus de configurations de caméras multi-angles espacées, offrant ainsi un compromis optimal entre qualité visuelle et rapidité d'exécution.