6111 articles
Skullptor comble le fossé entre les modèles fondationnels rapides et les méthodes d'optimisation coûteuses en combinant une prédiction de normales multi-vues par attention croisée avec une optimisation d'inverse rendering, permettant ainsi une reconstruction 3D haute fidélité de têtes en quelques secondes avec un nombre réduit de vues.
Cet article propose MoMKD, une nouvelle méthode de distillation de connaissances utilisant une mémoire à momentum pour stabiliser l'apprentissage multimodal en pathologie computationnelle et permettre une inférence précise basée uniquement sur l'histologie, palliant ainsi le manque de données appariées génomique-histologie.
Cet article propose une approche de cartographie dynamique pour la reconnaissance visuelle de lieux qui sélectionne automatiquement la densité de la carte afin de garantir que des exigences de performance locales spécifiques soient satisfaites sur une proportion définie de l'environnement, évitant ainsi une surdensification inutile.
Ce papier propose la Redistribution du Crédit Spatial (SCR), une méthode d'inférence sans entraînement qui atténue les hallucinations des modèles vision-langage en rééquilibrant les activations des patches visuels pour restaurer le contexte spatial supprimé, améliorant ainsi la fiabilité sans sacrifier la qualité de génération ni la latence.
Ce papier présente EvalMVX, un nouveau jeu de données réel et un benchmark unifié permettant d'évaluer quantitativement et simultanément les méthodes de reconstruction 3D neuronale basées sur la stéréoscopie multivue, la photométrie multivue et la forme par polarisation sous diverses conditions d'éclairage et de géométrie.
Cet article propose une amélioration du cadre MambaBDA pour l'évaluation des dommages aux bâtiments par imagerie satellite, intégrant une perte focale, des portes d'attention et un module d'alignement pour surmonter les déséquilibres de classes et les décalages de domaine, ce qui se traduit par des gains de performance significatifs, notamment dans des scénarios de catastrophes non vus.
Cet article propose une étude unifiée examinant systématiquement les interactions entre le paramètre de température et divers éléments d'entraînement dans la distillation de connaissances, afin d'identifier des situations clés guidant son choix optimal pour les praticiens.
Le papier propose ITO, un cadre d'apprentissage prédictif image-texte qui surpasse les méthodes existantes en combinant un alignement multiple multimodal et une fusion légère durant l'entraînement (abandonnée à l'inférence) pour éliminer l'écart modal et améliorer les performances sur divers benchmarks.
Ce travail propose Probe-Select, un module plug-in qui évalue la qualité des images dès les premières étapes de la génération par diffusion ou matching de flux en exploitant les activations intermédiaires, permettant ainsi d'arrêter précocement les échantillons peu prometteurs et de réduire les coûts de calcul de plus de 60 % tout en améliorant la qualité finale.
Cet article généralise le splattage gaussien 3D (3DGS) à des opérateurs de mélange alpha non exponentiels, permettant de réduire considérablement le nombre de surdessins et d'obtenir des accélérations allant jusqu'à 4 fois dans le rendu de scènes complexes tout en maintenant une qualité d'image équivalente.
Le papier présente TRACE, une méthode innovante qui unifie le raisonnement génératif et l'apprentissage de représentations discriminatives pour la recherche multimodale universelle, permettant au modèle d'activer dynamiquement un processus de réflexion structuré pour les requêtes complexes tout en maintenant une efficacité optimale et une forte transférabilité zéro-shot.
Le papier présente MoECLIP, une architecture à mélange d'experts qui améliore la détection d'anomalies sans apprentissage préalable en acheminant dynamiquement chaque patch d'image vers un expert LoRA spécialisé, tout en utilisant des techniques de séparation orthogonale et de régularisation ETF pour éviter la redondance fonctionnelle.
Le papier présente ProSMA-UNet, une architecture de segmentation médicale qui reformule la sélection des connexions de saut comme un problème de sélection de caractéristiques parcimonieuse conditionnée par le décodeur, utilisant un opérateur de seuillage proximal pour éliminer explicitement le bruit et améliorer significativement les performances sur des tâches d'imagerie clinique difficiles.
Cet article présente SpeciaRL, un cadre d'apprentissage par renforcement conscient de la spécificité qui affine les grands modèles multimodaux de raisonnement pour améliorer la classification fine d'images en monde ouvert en favorisant des prédictions précises sans compromettre leur exactitude.
Cet article présente une enquête complète sur la modélisation 3D basée sur des croquis assistée par l'intelligence artificielle, en introduisant l'espace de conception MORPHEUS pour catégoriser les méthodes actuelles et identifier les opportunités de recherche interdisciplinaire visant à mieux répondre à l'intention des utilisateurs.
Cette étude démontre que l'utilisation de la transférence d'apprentissage basée sur l'iconicité entre des paires de langues des signes spécifiques (chinois-arabe et grec-flamand) améliore significativement les performances de reconnaissance, avec des gains allant jusqu'à 7,02 % pour l'arabe.
Cet article présente mHC-HSI, un modèle de classification d'images hyperspectrales basé sur Mamba et guidé par le clustering, qui améliore l'apprentissage des caractéristiques spatio-spectrales et l'interprétabilité grâce à une connexion hyper-hybride contrainte par la variété et à une intégration de connaissances physiques spectrales.
Cette étude révèle que l'apprentissage par renforcement basé uniquement sur le texte améliore la précision des modèles de raisonnement médical multimodal tout en dégradant leur ancrage visuel, démontrant ainsi la nécessité d'évaluations qui mesurent la dépendance réelle aux images au-delà de la simple exactitude.
Ce papier présente Proact-VL, un cadre général pour des agents interactifs en temps réel capables de perception proactive, évalué via le Live Gaming Benchmark qui démontre des performances supérieures en latence et en qualité pour des applications d'accompagnement humain.
Cette étude analyse l'impact des erreurs de localisation sur la qualité des étiquettes pour la construction de cartes HD en ligne, démontrant que les erreurs d'orientation dégradent les performances du modèle plus que les erreurs de position et que l'ajout de données bruitées entraîne une baisse de performance plus que linéaire.