5561 articles
Cette étude présente une méthode de surveillance en quasi-temps réel des incendies liés au conflit au Soudan, utilisant un modèle d'auto-encodeur variationnel non supervisé sur des images satellites Planet Labs haute résolution, qui surpasse les techniques existantes en termes de rappel et de score F1 tout en restant opérationnellement viable.
Cette étude systématique démontre que le choix de la famille de masquage (spatiale ou fréquentielle) est déterminant pour la stabilité de l'adaptation continue en temps réel, car le masquage spatial préserve les structures nécessaires sur les architectures à tokens de patchs tandis que le masquage fréquentiel s'avère compétitif pour les tâches fines sur les ViT, révélant ainsi que la cohérence structurelle est cruciale pour éviter l'effondrement catastrophique.
Le papier présente Brain-Semantoks, un cadre auto-supervisé innovant qui utilise un tokeniseur sémantique et un objectif de distillation auto-enseignée pour apprendre des représentations robustes de la dynamique cérébrale à partir de séries temporelles fMRI bruyantes, permettant ainsi d'excellentes performances sur des tâches en aval sans nécessiter d'adaptation de domaine.
Le papier présente -CLIP, un cadre d'apprentissage contrastif multi-granulaire qui aligne hiérarchiquement les représentations visuelles et textuelles via une attention croisée et une nouvelle fonction de perte (-CAL), établissant ainsi un nouvel état de l'art pour l'alignement vision-langage dense sans utiliser de négatifs durs.
Le papier présente CRISP, une méthode qui extrait de vidéos monoculaires des géométries de scène planes et propres ainsi que des mouvements humains simulables en intégrant la modélisation des contacts et un contrôle par apprentissage par renforcement, réduisant ainsi considérablement les échecs de suivi et accélérant la simulation pour des applications robotiques et AR/VR.
Ce papier présente SoFlow, un cadre de modélisation des flux de solutions permettant une génération en une seule étape sans calcul de produit Jacobien-vecteur, et démontrant des performances supérieures aux modèles MeanFlow sur ImageNet 256x256.
Cette recherche propose un cadre d'intelligence artificielle interprétable intégrant l'analyse d'images dermatologiques et les antécédents familiaux pour améliorer le diagnostic des maladies de peau, avec des essais cliniques prospectifs prévus pour valider son déploiement en milieu réel.
Le papier propose GeoTeacher, une méthode semi-supervisée pour la détection 3D d'objets qui améliore l'apprentissage avec peu de données étiquetées en transférant des connaissances géométriques via une supervision basée sur les points clés et en utilisant une augmentation de données par voxels avec un mécanisme de décroissance de distance.
Cette étude propose la méthode ForCM, qui combine l'analyse d'images basée sur les objets (OBIA) avec des modèles d'apprentissage profond appliqués aux images Sentinel-2 pour améliorer la précision de la cartographie de la couverture forestière en Amazonie, atteignant jusqu'à 95,64 % de précision globale.
Ce papier présente CEM, un plugin plug-and-play qui optimise la fidélité de l'accélération des Diffusion Transformers en minimisant l'erreur cumulative via un algorithme de programmation dynamique, permettant d'adapter dynamiquement les stratégies de mise en cache sans surcoût computationnel ni besoin d'entraînement.
Cet article propose les PiNets, un cadre d'apprentissage profond fondé sur le principe de lisibilité du modèle, qui garantit par conception que les explications des prédictions sont alignées avec le processus de décision réel du réseau, offrant ainsi des justifications fidèles, robustes et significatives.
Le papier présente TP-Blend, un cadre léger et sans entraînement qui fusionne de manière précise un objet et un style distincts dans les modèles de diffusion en combinant une fusion d'attention croisée optimisée par transport optimal et une fusion d'attention auto-attentionnelle sensible aux détails via une normalisation instance.
Cet article propose une méthode sans apprentissage préalable pour l'alignement 3D zéro-shot de deux maillages à partir d'une description textuelle, en optimisant directement leur pose relative via des gradients CLIP et des contraintes géométriques pour obtenir des résultats sémantiquement fidèles et physiquement plausibles.
Cet article présente les Perceptual Counterfactual Geodesics (PCG), une méthode qui génère des explications contrefactuelles en suivant des géodésiques dans un espace latent muni d'une métrique riemannienne perceptuelle, garantissant ainsi des transitions sémantiquement valides et robustes aux artefacts hors-manifold.
Le papier présente Vision-DeepResearch, un nouveau paradigme de recherche profonde multimodale qui intègre des capacités de recherche itérative multi-tours, multi-entités et multi-échelles dans les grands modèles de langage multimodaux via un entraînement par supervision et renforcement, surpassant ainsi les modèles existants et les flux de travail basés sur des modèles propriétaires avancés dans des scénarios réels bruyants.
Cet article présente CAAD-3K, un nouveau benchmark, et un cadre d'apprentissage de compatibilité conditionnelle basé sur des représentations vision-langage pour détecter les anomalies contextuelles en modélisant la compatibilité sujet-environnement, surpassant ainsi les méthodes existantes sur plusieurs jeux de données.
Ce papier présente HitEmotion, un benchmark hiérarchique et une méthode d'apprentissage par renforcement (TMPO) guidés par la théorie de l'esprit pour améliorer le raisonnement émotionnel multimodal des grands modèles de langage en modélisant explicitement les états mentaux.
Cet article propose une méthode de quantisation post-entraînement novatrice pour les modèles de diffusion, qui améliore l'efficacité en apprenant à attribuer des poids optimaux aux échantillons de calibration afin d'aligner les gradients à travers les différents pas de temps.
Ce papier présente CaCoVID, une nouvelle méthode de compression de tokens pour la compréhension vidéo qui utilise l'apprentissage par renforcement et une optimisation combinatoire pour sélectionner dynamiquement les tokens les plus contributifs aux réponses correctes, réduisant ainsi la surcharge computationnelle sans sacrifier la performance.
Ce papier présente CloDS, un cadre d'apprentissage non supervisé qui permet d'inférer la dynamique des tissus à partir de simples observations visuelles multi-vues sans connaissance préalable des propriétés physiques, en utilisant une approche de splatting gaussien sur maillage pour gérer les déformations complexes et les occlusions.