7568 articles
Cet article propose le premier cadre de détection d'objets orientés partiellement faiblement supervisé (PWOOD), qui combine un modèle étudiant sensible à l'orientation et à l'échelle avec une stratégie de filtrage des pseudo-étiquettes pour exploiter efficacement de grandes quantités de données non étiquetées et surpasser les algorithmes semi-supervisés traditionnels tout en réduisant les coûts d'annotation.
Cet article propose Fast Equivariant Imaging (FEI), un cadre d'apprentissage non supervisé qui accélère considérablement l'entraînement des réseaux d'imagerie sans données de référence en reformulant le problème via la méthode du lagrangien augmenté et des débruiteurs plug-and-play, offrant ainsi une accélération de 10 fois et de meilleures performances de généralisation par rapport aux méthodes existantes.
Ce papier présente D2Dewarp, une méthode d'éclaircissement d'images de documents qui améliore la rectification en apprenant des représentations géométriques sur deux dimensions (horizontale et verticale) via un module de fusion coordonné et en introduisant un nouveau jeu de données d'entraînement annoté automatiquement nommé DocDewarpHV.
Le papier présente VITA, un cadre d'apprentissage de politiques par matching de flux sans bruit ni conditionnement visuel explicite, qui relie directement les représentations visuelles aux actions latentes via un autoencodeur et un décodage ancré pour accélérer l'inférence tout en maintenant des performances de pointe.
Cet article présente une méthode novatrice utilisant des convolutions d'homologie persistante pour capturer des informations topologiques locales dans les lames d'histopathologie, surpassant ainsi les modèles CNN conventionnels en termes de précision de classification et de robustesse aux hyperparamètres.
Cet article propose l'apprentissage de prompts adaptatifs aux images (IAPL), une nouvelle approche qui ajuste dynamiquement les prompts d'encodage pour chaque image testée afin de surmonter les limites de généralisation des méthodes actuelles et d'atteindre des performances de pointe dans la détection d'images générées par l'IA.
Le papier présente GaitSnippet, une nouvelle méthode de reconnaissance de la démarche qui surpasse les approches par ensembles et séquences en modélisant la démarche comme une composition d'actions individuelles (snippets) pour intégrer efficacement des contextes temporels multi-échelles, validée par des résultats de pointe sur plusieurs jeux de données.
Cet article présente Veason-R1, un modèle de langage-vision entraîné par optimisation de politique relative de groupe (GRPO) et initialisé par un raisonnement en chaîne (CoT), qui améliore significativement la segmentation vidéo par raisonnement en renforçant la cohérence spatio-temporelle et en réduisant les hallucinations.
Cet article propose S²-Guidance, une méthode d'amélioration sans entraînement qui utilise l'arrêt stochastique de blocs pour générer des sous-réseaux capables de guider les modèles de diffusion vers des résultats de meilleure qualité que la guidance sans classificateur (CFG).
Cet article de concept propose l'Adaptive Quantized Planetary Crater Detection System (AQ-PCDSys), une architecture intégrant un réseau de neurones quantifié et une fusion adaptative de capteurs pour permettre une détection de cratères planétaires en temps réel sur du matériel spatial aux ressources limitées.
Cet article présente ROBUST-MIPS, un jeu de données enrichi dérivé de ROBUST-MIS qui combine des annotations de pose squelettique et de segmentation d'instances d'instruments chirurgicaux pour démontrer que la pose constitue une méthode d'annotation efficace et riche en informations sémantiques, tout en fournissant des modèles de référence et un logiciel personnalisé pour faciliter son adoption.
Les auteurs proposent un cadre d'élagage léger et préservant l'index qui filtre les régions non informatives des documents avant leur traitement par des modèles vision-langage, réduisant ainsi considérablement les coûts de calcul tout en maintenant une précision comparable.
QDFlow est un simulateur physique open-source en Python conçu pour générer des données synthétiques réalistes et étiquetées sur des dispositifs de boîtes quantiques, afin de pallier le manque de données expérimentales et de faciliter le développement et le benchmarking de modèles d'apprentissage automatique.
Cet article propose un bloc de connexion de saut dynamique (DSC) intégrant un module d'entraînement au moment du test et un noyau multi-échelle dynamique pour surmonter les contraintes inter et intra-fonctionnelles des réseaux de type U et améliorer la segmentation d'images médicales.
Cet article présente ActiSeg-NL, le premier benchmark évaluant la robustesse de la segmentation vidéo d'objets basée sur l'action face au bruit d'étiquetage textuel et de masques, et propose une analyse approfondie des stratégies d'apprentissage ainsi qu'un nouveau mécanisme de tête de masque parallèle (PMHM) pour y remédier.
Cet article présente une méthode rapide et certifiée d'optimisation globale pour l'estimation simultanée de la forme et de la pose d'objets à partir d'images RGB-D et de priors catégoriels, capable de s'exécuter en moins d'une milliseconde grâce à une itération de champ auto-cohérent.
Ce papier présente le Raw-JPEG Adapter, un pipeline prétraitement léger et réversible qui adapte les images brutes à la compression JPEG standard pour offrir un compromis optimal entre taux de compression et fidélité de reconstruction, tout en stockant les paramètres nécessaires dans le champ commentaire du fichier.
Le papier présente Vision-Zero, un cadre d'auto-apprentissage multi-agents sans étiquettes qui améliore les modèles vision-langage par des jeux compétitifs générés à partir d'images arbitraires et une optimisation de politique itérative, permettant d'atteindre des performances de pointe sur diverses tâches de raisonnement visuel.
Cet article présente un cadre novateur d'édition d'images sans entraînement qui formule le processus comme un problème de contrôle optimal de trajectoire pour guider les modèles de diffusion vers l'optimisation d'une récompense tout en préservant la fidélité sémantique de l'image source.
Cet article présente une étude systématique sur la génération et l'édition d'images structurées, incluant la création d'un jeu de données de 1,3 million de paires, le développement d'un modèle unifié VLM-FLUX.1 avec raisonnement, et l'introduction du benchmark StructBench pour évaluer la fidélité factuelle.