5385 articles
Cet article présente une nouvelle méthode d'encodage matriciel, nommée Volley Revolver, permettant d'exécuter efficacement des réseaux de neurones convolutifs sur des données chiffrées via le chiffrement homomorphe, comme démontré par une classification d'images MNIST dans le cloud avec un seul ciphertext de 19,8 Mo.
Cet article propose une approche novatrice de préservation de la vie privée en vision par ordinateur qui stocke les images dans des états quantiques et utilise un apprentissage par renforcement pour contrôler le compromis entre utilité et confidentialité avant la mesure.
Le cadre GeoTop unifie l'analyse topologique des données et les courbures de Lipschitz-Killing pour surmonter l'équivalence topologique en imagerie diagnostique, offrant ainsi une classification précise et interprétable des lésions cutanées grâce à la différenciation géométrique fine.
Cet article propose une méthode innovante pour la segmentation d'instances camouflées à vocabulaire ouvert, qui exploite les modèles de diffusion texte--image pour apprendre des représentations visuelles et textuelles multi-échelles afin de surmonter le défi du masquage des objets dans leur environnement.
L'article présente Export3D, une méthode d'animation de portraits en une seule prise qui génère des vues 3D contrôlables par l'expression sans échange d'apparence, grâce à un générateur de tri-planes conditionné et un cadre de pré-entraînement contrastif pour isoler les paramètres d'expression de l'identité.
Le papier présente FireANTs, un algorithme d'optimisation riemannienne adaptative multi-échelle sans apprentissage qui accélère considérablement l'appariement d'images diféomorphes denses tout en réduisant l'utilisation de la mémoire et en assurant une robustesse supérieure par rapport aux méthodes traditionnelles et aux réseaux de neurones profonds.
Le papier présente Merlin, un modèle fondationnel vision-langage 3D entraîné sur un vaste ensemble de données cliniques pour l'analyse automatisée des scanners abdominaux, surpassant les modèles existants sur une large gamme de tâches diagnostiques, pronostiques et de qualité tout en garantissant une forte généralisation inter-sites.
Cette présentation introduit TrashFuzz, un algorithme de fuzzing en boîte noire qui teste la résilience des véhicules autonomes en manipulant de manière réaliste la position d'objets routiers courants pour induire des erreurs de perception et des violations du code de la route, tout en respectant les normes de conception routière.
Le papier présente FINE, une méthode de pré-entraînement novatrice qui factorise les connaissances des modèles de diffusion en composantes fondamentales appelées « learngenes », permettant d'initialiser efficacement des modèles de tailles variables sans nécessiter de réentraînement complet.
Cette étude établit pour la première fois l'existence de lois d'échelle pour les transformateurs de diffusion (DiT) en démontrant que leur perte de pré-entraînement suit une relation de puissance avec le calcul, permettant ainsi de prédire avec précision les performances de génération et d'optimiser les ressources nécessaires.
TextMaster est un cadre unifié qui améliore l'édition de texte réaliste en combinant des informations de glyphes haute résolution, une perte perceptuelle et un mécanisme d'attention pour garantir une précision des traits, un contrôle du style et une mise en page adaptative.
Le papier présente FlowCLAS, un cadre hybride qui améliore les flux normalisants pour la segmentation d'anomalies en robotique en combinant une fonction de perte de vraisemblance maximale avec un apprentissage contrastif basé sur l'exposition aux valeurs aberrantes, établissant ainsi de nouvelles performances de pointe sur plusieurs benchmarks.
Ce papier présente VideoMindPalace, un nouveau cadre qui structure les moments clés des vidéos en graphes sémantiques topologiques inspirés de la « méthode des lieux » pour améliorer la compréhension des vidéos longues par les modèles de langage vision, accompagné d'un benchmark dédié pour évaluer le raisonnement humain.
Cet article propose le DCENWCNet, un réseau d'ensemble de CNN innovant combinant trois architectures pour améliorer la classification des globules blancs avec une précision supérieure et une interprétabilité accrue grâce à la méthode LIME.
Cet article propose STAG, une méthode de fine-tuning paramétriquement efficace pour les Transformers de nuages de points 3D qui utilise un réseau latéral à convolution graphique pour réduire considérablement les coûts computationnels et mémoire tout en maintenant une précision comparable, et introduit le nouveau benchmark PCC13 pour l'évaluation.
Cet article présente le jeu de données UNB StepUP-P150, une base de données publique de haute résolution contenant plus de 200 000 empreintes plantaires issues de 150 individus marchant à différentes vitesses et avec divers types de chaussures, conçue pour favoriser les avancées en reconnaissance biométrique de la démarche, en biomécanique et en apprentissage profond.
Cet article propose une nouvelle méthode de distribution géométrique générative qui, en encodant les distributions sous forme de cartes de caractéristiques 2D et en utilisant des modèles SMPL comme domaine, permet de générer des géométries humaines réalistes avec des détails vestimentaires précis et une amélioration de 57 % de la qualité par rapport aux méthodes existantes.
Cet article présente Implicit U-KAN 2.0, une nouvelle architecture de segmentation d'images médicales basée sur des équations différentielles neuronales d'ordre deux et des couches MultiKAN, qui améliore l'interprétabilité, la performance théorique et l'efficacité computationnelle par rapport aux méthodes existantes.
Cette étude propose une analyse à grande échelle de neuf dimensions de qualité au-delà de la simple précision pour les modèles de classification d'images, révélant l'impact des paradigmes d'entraînement et des architectures, et introduisant le score QUBA pour évaluer et classer ces modèles de manière holistique.
Ce papier présente DeCon, un cadre d'apprentissage auto-supervisé qui améliore les tâches de prédiction dense en pré-entraînant conjointement l'encodeur et le décodeur via une perte contrastive pondérée, surpassant ainsi les méthodes traditionnelles axées uniquement sur l'encodeur.