6941 articles
Le papier présente FreeOcc, une méthode d'occurrence panoptique sans entraînement qui exploite des modèles de fondation pré-entraînés pour reconstruire la géométrie et la sémantique 3D à partir d'images multi-vues, atteignant des performances comparables aux méthodes supervisées faiblement sur le jeu de données Occ3D-nuScenes.
Cet article propose un cadre d'apprentissage semi-supervisé pour la segmentation des ultrasons mammaires qui génère des pseudo-étiquettes sans entraînement grâce à des modèles vision-langage, les affine par des mécanismes d'apprentissage contrastif et atteint des performances comparables aux modèles entièrement supervisés avec seulement 2,5 % de données annotées.
Ce papier présente JOPP-3D, un cadre de segmentation sémantique à vocabulaire ouvert qui fusionne des données panoramiques et des nuages de points 3D pour permettre une compréhension de scène pilotée par le langage et surpasser les méthodes actuelles sur les deux modalités.
Cet article présente une méthode optimisant les modèles de diffusion 3D pour l'imagerie médicale en utilisant un apprentissage par renforcement avec des récompenses multi-échelles, améliorant ainsi la qualité des images synthétiques et leur utilité pour les tâches de classification des tumeurs.
Ce papier propose deux techniques, l'agrégation automatique et le recalage par pixel, pour surmonter les limitations d'échelle des segmenteurs de diffusion sans entraînement et mieux exploiter la puissance générative des modèles.
Cet article propose un cadre en deux étapes pour l'apprentissage de similarités entre écritures, combinant un apprentissage contrastif supervisé sur des alphabets inventés et une distillation non supervisée vers des scripts historiques afin de découvrir des similarités latentes sans dépendre de relations évolutives certifiées.
Cet article propose le « Motion Turing Test » et le jeu de données HHMotion pour évaluer la ressemblance humaine des mouvements de robots humanoïdes, révélant que les modèles de langage actuels sont insuffisants pour cette tâche et introduisant une nouvelle méthode de base plus performante.
Ce papier présente CRIMSON, un cadre d'évaluation cliniquement fondé pour les rapports de radiologie générés par IA, qui intègre le contexte complet du patient et une pondération basée sur la gravité clinique pour mieux s'aligner sur le jugement des radiologues que les métriques précédentes.
Le papier présente SpaCRD, une méthode d'apprentissage par transfert qui fusionne profondément l'histologie et la transcriptomique spatiale via un réseau d'attention croisée bidirectionnelle pour détecter avec précision les régions cancéreuses et généraliser les résultats à travers différents échantillons, plateformes et lots, surpassant ainsi les méthodes existantes.
Ce papier propose ALANet, un réseau adaptatif qui élimine les réflexions complexes dans les images en utilisant des descriptions textuelles, même imprécises, grâce à des stratégies de filtrage et d'optimisation, tout en introduisant le nouveau jeu de données CRLAV pour évaluer ces performances.
Cet article présente un cadre novateur pour la segmentation d'actions humaines basé sur le squelette et supervisé par points, qui atteint des performances compétitives, parfois supérieures aux méthodes entièrement supervisées, tout en réduisant considérablement l'effort d'annotation grâce à l'utilisation de données multimodales et à des techniques avancées de génération de pseudo-étiquettes.
Le papier présente VG3S, un cadre novateur qui améliore la prédiction d'occupation sémantique 3D en intégrant des repères géométriques robustes issus de modèles de fondation visuels via un adaptateur hiérarchique, permettant d'obtenir des performances significativement supérieures sur le benchmark nuScenes.
L'article présente CoE, un cadre de résumé multimodal sans entraînement qui surpasse les méthodes actuelles en utilisant un graphe d'événements hiérarchique pour structurer le raisonnement temporel et l'alignement intermodal.
L'article présente EntON, une nouvelle stratégie de densification de voisinage optimisée par l'entropie des valeurs propres pour le splatting gaussien 3D, qui améliore la précision géométrique et la qualité de rendu tout en réduisant le nombre de gaussiennes et le temps d'entraînement grâce à une alternance entre densification par gradient et densification guidée par la structure locale.
Cet article présente WAFL, une nouvelle approche de localisation des falsifications temporelles qui remplace la régression temporelle par une classification binaire au niveau des mots, en utilisant un module d'alignement des caractéristiques forensiques et une perte asymétrique pour améliorer la précision et l'efficacité computationnelle.
Cet article propose SSLA-Det, un modèle de détection d'objets basé sur des caméras événementielles qui utilise une attention linéaire spatialement parcimonieuse pour surmonter les compromis entre précision et latence, atteignant ainsi des performances de pointe avec une réduction significative des calculs par événement.
Le papier propose TaPD, un cadre unifié de distillation progressive adaptative au temps qui améliore la prédiction de trajectoire pour la conduite autonome en reconstruisant explicitement les historiques manquants et en transférant des connaissances de modèles à long terme, permettant ainsi des performances robustes même avec des observations très courtes.
Le papier présente DC-Merge, une méthode de fusion de modèles qui améliore la rétention des connaissances en équilibrant la distribution d'énergie des vecteurs de tâches et en alignant leur géométrie directionnelle dans un sous-espace orthogonal commun, permettant ainsi d'atteindre des performances de pointe sur divers benchmarks.
Le papier propose HCF-RES, un cadre multimodal innovant qui améliore la segmentation 3D par expression de référence grâce à une décomposition hiérarchique des sémantiques visuelles et une fusion collaborative progressive, atteignant ainsi des performances de pointe sur les benchmarks ScanRefer et Multi3DRefer.
Le papier présente NOVA, une approche innovante de suivi multi-objets 3D qui utilise l'autorégression de modèles de langage pour généraliser la détection à des cibles inconnues en reformulant les trajectoires comme des séquences sémantiques spatio-temporelles, permettant ainsi d'atteindre des performances supérieures sur des catégories nouvelles grâce à un raisonnement sémantique de haut niveau.