5494 articles
Le papier présente MPFlow, un cadre de reconstruction IRM sans échantillonnage qui exploite des acquisitions multimodales complémentaires via un pré-entraînement auto-supervisé et un guidage par flux rectifié pour éliminer les hallucinations anatomiques tout en améliorant l'efficacité du processus.
Cet article identifie et quantifie le biais « Order-to-Space » (OTS), un phénomène où l'ordre des entités dans le texte influence indûment la disposition spatiale dans les images générées, et propose des stratégies d'intervention pour atténuer ce problème tout en préservant la qualité de génération.
Ce papier présente une architecture novatrice pour la segmentation de surfaces en verre, combinant des caractéristiques visuelles générales extraites d'un modèle DINOv3 gelé et des caractéristiques spécifiques apprises via un modèle Swin, afin d'atteindre des performances de pointe sur plusieurs jeux de données tout en conservant une vitesse d'inférence compétitive.
Cet article propose QD-PCQA, un cadre d'adaptation de domaine sans référence qui améliore l'évaluation de la qualité des nuages de points en transférant des connaissances d'images grâce à une stratégie d'alignement conditionnel pondéré par le rang et à un enrichissement de caractéristiques guidé par la qualité.
Le papier présente PROSPECT, un agent de navigation vision-langage en flux continu qui fusionne des représentations sémantiques et spatiales via CUT3R et SigLIP, tout en apprenant des prédictions latentes pour améliorer la robustesse et les performances à long terme.
Le papier présente DAGE, une architecture à double flux transformateur qui sépare la cohérence globale des détails fins pour estimer avec précision la géométrie et les poses de caméra à partir d'entrées vidéo multi-vues non calibrées, établissant ainsi de nouveaux résultats de pointe tout en maintenant un coût d'inférence pratique.
Ce papier présente WSI-INR, une nouvelle approche sans patchs basée sur les représentations neuronales implicites qui modélise les images de lames entières comme des fonctions continues pour améliorer la robustesse et la précision de la segmentation des lésions pathologiques à travers différentes résolutions.
Ce papier présente KFRA, un agent d'inférence fine-grainé augmenté par des connaissances qui, grâce à une boucle de raisonnement en trois étapes couplant récupération et ancrage spatial, surpasse les modèles existants en offrant un raisonnement interprétable et performant dans des scénarios visuels ouverts.
Le papier présente DriveMVS, un cadre stéréo multi-vues innovant qui améliore la précision métrique, la cohérence spatio-temporelle et la généralisation pour la conduite autonome en fusionnant des observations LiDAR métriques comme indices géométriques avec des indices visuels diversifiés via un décodeur spatio-temporel.
Cet article propose un cadre de détection d'objets petits et complexes intégrant un échantillonnage par ondelettes de Haar résiduel, une modélisation des relations globales et une attention hybride inter-échelle pour surmonter les dégradations de caractéristiques et améliorer la précision de localisation.
Le papier présente TAP, un cadre d'accélération sans entraînement pour les modèles de diffusion qui sélectionne dynamiquement, à chaque étape et pour chaque token, le prédicteur optimal basé sur une sonde à faible coût, permettant ainsi des gains de vitesse significatifs sans perte de qualité perceptible.
Ce papier propose une méthode de test-time adaptation à long terme intégrant un schéma de réinitialisation adaptative et sélective, un régularisateur sensible à l'importance et un ajustement dynamique pour prévenir l'effondrement du modèle tout en préservant les connaissances acquises.
Cette présentation introduit STAR, une méthode de préentraînement autorégressif innovante pour Vision Mamba qui utilise des séparateurs pour quadrupler la longueur des séquences d'entrée, permettant ainsi au modèle STAR-B d'atteindre une précision de 83,5 % sur ImageNet-1k en exploitant efficacement les dépendances à long terme.
Cet article propose un cadre de détection d'objets sous-marins léger et robuste basé sur YOLOv10, intégrant un module d'amélioration adaptatif, un mécanisme d'attention à double mise en pool séquentielle et une fonction de perte FGIoU, qui améliore significativement la précision sur les jeux de données RUOD et DUO tout en conservant une architecture compacte adaptée aux systèmes embarqués.
Cet article propose un autoencodeur à quantification vectorielle (VQAE) pour compresser efficacement les étiquettes douces dans la distillation de jeux de données, réduisant considérablement les coûts de stockage tout en préservant la performance des modèles sur des benchmarks comme ImageNet-1K.
Cet article propose la méthode SPA (Structure-aware Prompt Adaptation), qui améliore l'apprentissage zéro-shot compositionnel à vocabulaire ouvert en exploitant la cohérence des structures locales sémantiques pour adapter les modèles des concepts vus aux concepts non vus.
Cet article propose AVAR, un cadre d'initialisation à froid guidé par l'attention qui résout le problème de la « localisation paresseuse de l'attention » en synthétisant des données visuelles et en façonnant les récompenses, permettant ainsi d'obtenir des gains significatifs en raisonnement multimodal sans réentraînement.
Cet article présente FoundPS, un modèle fondationnel universel pour la fusion d'images satellitaires qui surpasse les méthodes existantes en généralisation grâce à une architecture innovante combinant transformateurs et diffusion latente, et est validé sur une nouvelle benchmark mondiale nommé PSBench.
Cet article présente le CWP-Net, un réseau de prompt déconvolutif causal et désintriqué en ondelettes conçu pour améliorer la restauration d'images tout-en-un en éliminant les corrélations fallacieuses et les estimations biaisées des dégradations.
Le papier présente DeepScan, un cadre sans entraînement qui améliore le raisonnement ancré visuellement des grands modèles vision-langage grâce à une exploration hiérarchique, un recentrage et un raisonnement enrichi par des preuves, permettant d'atteindre des performances élevées sans coût d'adaptation supplémentaire.