5561 articles
Ce papier présente eMIGM, un modèle unifié de génération d'images masquées qui, grâce à une exploration rigoureuse de l'espace de conception, surpasse des modèles de référence comme VAR et EDM2 sur ImageNet tout en nécessitant moins de calculs.
Le papier présente SPEED, une méthode efficace d'effacement de concepts pour les modèles de diffusion qui modifie directement les paramètres via un espace nul optimisé par trois stratégies complémentaires, permettant ainsi d'éliminer jusqu'à 100 concepts en 5 secondes tout en préservant la qualité de génération des concepts non ciblés.
Cet article présente un cadre d'évaluation multi-objectif, agnostique et disponible publiquement, conçu pour analyser et visualiser les compromis entre utilité et équité dans les systèmes d'apprentissage automatique, en mettant particulièrement l'accent sur leur application critique dans le domaine de l'imagerie médicale.
Les auteurs proposent un modèle de diffusion vidéo ciblé capable de générer des vidéos où un acteur interagit avec un objet spécifique défini par un masque de segmentation, en intégrant ce masque dans le prompt textuel et en affinant l'entraînement via une perte d'attention croisée pour garantir la précision des interactions humain-objet.
Ce papier présente AdaRank, un cadre novateur de fusion de modèles qui améliore les performances multi-tâches en adaptivement élaguant les composantes singulières interférentes des vecteurs de tâche via une minimisation de l'entropie, réduisant ainsi l'écart de performance par rapport aux modèles affinés individuels à moins de 1 %.
Les auteurs proposent d'utiliser des concepts analytiques, définis par des symboles mathématiques calculables, pour ancrer les connaissances de bon sens déduites par les modèles de langage multimodaux dans le monde physique et ainsi guider les robots vers une manipulation généralisée et précise d'objets articulés.
L'article présente OSDM-MReg, un cadre innovant d'enregistrement d'images multimodales qui utilise un modèle de diffusion conditionnel en une seule étape pour traduire les images dans un domaine commun, surmontant ainsi les écarts radiométriques et améliorant la précision de l'alignement.
Ce papier présente VR-FuseNet, un modèle d'apprentissage profond hybride fusionnant VGG19 et ResNet50V2 sur un ensemble de données hétérogènes prétraité, qui atteint une précision de 91,824 % pour la classification de la rétinopathie diabétique tout en intégrant des techniques d'IA explicable pour interpréter cliniquement les prédictions.
Cet article plaide pour l'évaluation des modèles de vision par ordinateur en écologie et en biologie à l'aide de métriques spécifiques à l'application plutôt que de simples indicateurs d'apprentissage automatique, en démontrant par deux études de cas que des performances algorithmiques élevées ne garantissent pas nécessairement la précision des inférences biologiques finales.
Cet article propose une méthode d'IA explicable permettant d'attribuer efficacement et précisément les distances de Wasserstein à divers composants des données, tels que des sous-groupes ou des caractéristiques, afin de mieux comprendre les décalages de distribution et les phénomènes de transport.
Cet article propose le cadre DURA, intégrant un sélecteur de caractéristiques clés et une nouvelle fonction de perte, pour améliorer la recherche de personnes basée sur le texte en atténuant efficacement le bruit des correspondances dans les données d'apprentissage.
Cette étude présente une analyse théorique démontrant que les transformateurs pré-entraînés de manière adversariale peuvent agir comme des modèles fondateurs universellement robustes, capables de s'adapter de manière résiliente à diverses tâches en aval via l'apprentissage contextuel sans nécessiter de réentraînement adversarial supplémentaire.
Cet article présente la Distance de Chamfer à poids flexible (FCD), une nouvelle fonction objectif qui améliore la complétion de nuages de points en découplant la précision locale et l'intégrité globale grâce à une stratégie de pondération asymétrique, réduisant ainsi les défauts structurels et les regroupements de points sur divers benchmarks et tâches.
DeepEyes est un modèle vision-langage entraîné par apprentissage par renforcement qui apprend nativement à « réfléchir avec des images » en intégrant activement l'information visuelle dans son raisonnement, améliorant ainsi ses performances en perception, en raisonnement mathématique et en réduction des hallucinations sans nécessiter de données de raisonnement préalables.
Le papier présente GradPCA, une méthode de détection hors distribution qui exploite la structure de rang faible des gradients induite par l'alignement du NTK via l'ACP, offrant des performances supérieures et un cadre théorique pour guider la conception de détecteurs spectraux.
Ce papier présente DTR, une méthode de défense à l'inférence qui atténue les attaques de contournement multimodales dans les modèles vision-langage en optimisant dynamiquement les caches clé-valeur pour ajuster les poids des tokens visuels, améliorant ainsi la robustesse sans compromettre les performances générales.
L'article présente Seek-CAD, une méthode sans entraînement pionnière qui utilise le modèle de langage ouvert DeepSeek-R1 couplé à un mécanisme d'auto-affinement basé sur la rétroaction visuelle et le raisonnement en chaîne de pensée pour générer des modèles CAO paramétriques 3D, validé par un nouveau jeu de données structuré selon le paradigme SSR.
Cet article propose de nouvelles fonctions noyaux probabilistes basées sur des projections déterministes et des angles de référence pour le test d'angles, permettant d'accélérer la recherche de voisins les plus proches (ANNS) avec un débit de requêtes 2,5 à 3 fois supérieur à celui de l'algorithme HNSW.
Le papier présente Point-MoE, une architecture de type Mixture-of-Experts qui permet l'entraînement conjoint à grande échelle de modèles de segmentation sémantique 3D sur des ensembles de données hétérogènes sans étiquettes de jeu de données, en utilisant des experts spécialisés activés de manière parcimonieuse pour surmonter les biais inhérents aux différentes sources de nuages de points.
Le papier présente SenseFlow, une méthode de distillation qui surmonte les difficultés de convergence de la distillation par correspondance de distribution sur les grands modèles de génération d'images basés sur le flux (comme SD 3.5 et FLUX) grâce à une alignement de distribution implicite et un guidage intra-segment, permettant d'obtenir des performances supérieures.