6943 articles
Le papier présente GazeMoE, un cadre novateur basé sur des mélanges d'experts qui exploite de manière sélective les indices visuels d'un modèle fondamental figé pour atteindre des performances de pointe dans l'estimation des cibles de regard, tout en surmontant les déséquilibres de classes grâce à des techniques d'augmentation de données et de perte auxiliaire.
Ce papier présente ODD-SEC, un système de détection de drones en temps réel conçu pour des plateformes mobiles, qui utilise une caméra événementielle rotative à 360 degrés et une nouvelle représentation d'événements sans compensation de mouvement pour assurer une surveillance fiable même dans des conditions difficiles.
Le papier présente HiPP-Prune, un cadre de pruning structuré hiérarchique conditionné par les préférences qui optimise l'allocation des ressources de compression dans les modèles vision-langage pour équilibrer l'utilité des tâches et la robustesse aux hallucinations via une stratégie d'apprentissage par renforcement multi-objectifs.
Ce papier présente StrSR, un cadre de distillation adversaire en une étape intégrant une régularisation spectrale et de trajectoire pour surmonter les limitations des méthodes existantes et atteindre des performances de pointe en super-résolution d'images réelles avec les transformateurs de diffusion.
Ce papier présente OccNL, le premier benchmark pour la prédiction d'occupation sémantique 3D sous bruit de labels, et propose DPR-Occ, un cadre robuste qui surpasse les méthodes existantes en maintenant la précision géométrique et sémantique malgré des niveaux de corruption extrêmes.
Cet article propose ADiVA, une nouvelle approche pour l'apprentissage zéro-shot génératif qui surpasse les méthodes actuelles en modélisant la distribution des attributs pour combler l'écart classe-instance et en alignant explicitement les représentations sémantiques et visuelles pour réduire l'écart de domaine.
Le papier présente FlowMotion, un cadre novateur sans entraînement qui réalise un transfert de mouvement vidéo efficace et flexible en exploitant directement les prédictions latentes des modèles T2V basés sur le flux pour aligner les motifs temporels tout en assurant une régularisation de la vitesse.
Cet article propose une méthode d'inpainting 3D basée sur des modèles de diffusion à score perpendiculaires pour éliminer les artefacts causés par les implants dentaires dans les images CBCT en modélisant les corrélations entre les projections, contrairement aux approches 2D existantes.
Ce papier présente DEX-AR, une nouvelle méthode d'explicabilité dynamique conçue pour interpréter les modèles vision-langage autoregressifs en générant des cartes thermiques 2D qui identifient les régions d'image cruciales pour les réponses textuelles, grâce à un filtrage dynamique des têtes d'attention et une agrégation séquentielle distinguant les tokens visuels des tokens linguistiques.
Les auteurs proposent LTA, une attaque par transfert qui optimise des perturbations dans l'espace latent d'un VAE Stable Diffusion préentraîné plutôt qu'en espace pixel, générant ainsi des exemples adverses plus robustes, cohérents spatialement et efficaces contre divers modèles de vision.
Ce papier propose WMoE-CLIP, une méthode d'apprentissage de prompts pour la détection d'anomalies en zéro-shot qui améliore la généralisation en intégrant des représentations sémantiques globales via un auto-encodeur variationnel, en exploitant les décompositions en ondelettes pour affiner les embeddings textuels et en utilisant un module d'experts mixtes sensible au contexte.
Le papier propose P-SLCR, une méthode d'apprentissage non supervisé pour la segmentation sémantique de nuages de points qui combine l'apprentissage de structures cohérentes et un raisonnement relationnel basé sur des prototypes, surpassant les méthodes supervisées classiques comme PointNet sur plusieurs jeux de données.
Cette étude évalue la capacité de ChatGPT à pasticher des œuvres d'art contemporaines, révélant un écart significatif entre les similarités visuelles et la perte de dimensionnalité, de contexte et d'intentionnalité perçue par les artistes originaux, ce qui plaide pour l'adoption d'un tableau de bord de métriques complémentaires plutôt que d'une mesure unique.
Le papier présente WorldCache, un cadre de mise en cache hétérogène qui accélère jusqu'à 3,7 fois les modèles de monde basés sur la diffusion en utilisant une prédiction de token guidée par la courbure et un saut adaptatif priorisant le chaos, tout en préservant 98 % de la qualité des simulations.
Le papier présente K-MaT, un cadre d'apprentissage par prompt qui utilise le transport optimal de Gromov-Wasserstein pour transférer les structures décisionnelles des modèles vision-langage biomédicaux vers des modalités d'imagerie de faible qualité sans nécessiter d'images d'entraînement, surmontant ainsi les limitations des méthodes actuelles et atteignant des performances de pointe sur plusieurs tâches médicales.
Le papier présente le DC-DiT, un modèle de diffusion Transformer qui améliore l'efficacité et la qualité de la génération d'images en adaptant dynamiquement le nombre de tokens utilisés selon la complexité visuelle des régions et l'étape du processus de débruitage, surpassant ainsi les architectures DiT classiques tout en permettant un réentraînement minimal.
Le papier présente LATO, une nouvelle méthode de correspondance de flux qui génère des maillages 3D explicites complexes avec une topologie préservée et une grande efficacité d'inférence en utilisant une représentation latente structurée basée sur un auto-encodeur variationnel à voxels clairsemés et un champ de déplacement de sommets.
Cette étude propose des méthodes de vision par ordinateur, incluant des modèles linéaires et des réseaux de neurones profonds entraînés sur des séquences d'images d'invertébrés en chute libre, pour estimer leur biomasse sèche avec une précision de 10 à 20 % d'erreur médiane, offrant ainsi une alternative rapide et non destructive aux pesées manuelles pour le suivi de la biodiversité.
Ce papier présente OralGPT-Plus, un modèle de langage-vision agentique qui utilise l'apprentissage par renforcement et un nouveau jeu de données nommé DentalProbe pour améliorer l'analyse diagnostique des radiographies panoramiques dentaires grâce à un raisonnement itératif et symétrique, validé par le benchmark MMOral-X.
Le papier présente Rewis3d, un cadre novateur qui améliore la segmentation sémantique faiblement supervisée en exploitant la reconstruction 3D feed-forward pour propager des annotations éparses via une cohérence géométrique, atteignant ainsi des performances de pointe sans coût supplémentaire en étiquettes ou en inférence.