8169 articles
Cet article propose le modèle LISTA-Transformer, qui intègre le codage parcimonieux basé sur l'algorithme LISTA et le mécanisme d'attention pour améliorer l'extraction de caractéristiques locales et globales dans le diagnostic de défauts industriels, atteignant un taux de reconnaissance de 98,5 % sur le jeu de données CWRU.
Cet article présente un cadre d'entraînement augmenté par des dégradations artificielles qui améliore significativement la robustesse et la précision du ré-identification individuel des animaux sauvages, même pour des espèces non vues lors de l'entraînement, tout en fournissant de nouveaux benchmarks et données publiques pour ce domaine.
Le papier présente PlaneCycle, une méthode sans entraînement ni adaptateur qui permet de transformer n'importe quel modèle fondation 2D pré-entraîné en un modèle 3D performant en réutilisant son architecture originale via une fusion spatiale cyclique sur des plans orthogonaux.
Cet article propose une justification théorique fondée sur la vraisemblance pour l'agrégation d'ensembles via les moyennes généralisées, démontrant que seules les configurations d'ordre garantissent systématiquement une amélioration par rapport aux distributions individuelles, ce qui valide ainsi les pratiques courantes de pooling linéaire et géométrique.
Le papier présente Real5-OmniDocBench, le premier benchmark de reconstruction physique à grande échelle qui recrée l'intégralité du jeu de données OmniDocBench v1.5 dans cinq scénarios réalistes, permettant ainsi d'identifier précisément les causes des défaillances des modèles de vision-langage dans le monde physique et de combler l'écart entre les performances numériques et réelles.
Cet article propose une méthode d'estimation de densité par plus proches voisins intégrée à un autoencodeur variationnel pour supprimer les dépendances indésirables dans les données, surpassant les techniques existantes en équilibrant efficacement l'effacement d'informations sensibles et la préservation de l'utilité des données.
Ce papier présente DiverseDiT, un cadre novateur qui améliore l'apprentissage des représentations dans les Transformers de diffusion en promouvant activement la diversité des caractéristiques entre les blocs grâce à des connexions résiduelles étendues et une fonction de perte dédiée, ce qui se traduit par des gains de performance et une convergence accélérée.
Le papier présente DeNuC, une méthode efficace qui découple la détection et la classification des noyaux en histopathologie pour surmonter les limitations des modèles fondationnels, offrant ainsi des performances supérieures avec une fraction des paramètres entraînables.
L'article propose EmbodiedSplat, une méthode de type 3DGS en feed-forward qui permet la reconstruction et la compréhension sémantique open-vocabulary de scènes 3D en temps réel à partir de flux d'images, en combinant un champ de coefficients clairsemés en ligne avec un codebook CLIP global et des caractéristiques géométriques 3D.
Cet article propose une architecture de réseau de neurones véritablement équivariante pour la couleur, qui résout les artefacts des méthodes précédentes en relevant les valeurs de saturation et de luminosité d'intervalles vers des cercles (un double-couverture) plutôt que de les approximer par des translations linéaires, améliorant ainsi les performances et la généralisation sur des tâches de classification fine et d'imagerie médicale.
Le papier présente ViterbiPlanNet, un cadre novateur qui intègre des connaissances procédurales explicites via une couche de Viterbi différentiable pour améliorer l'efficacité et la robustesse de la planification dans les vidéos d'instruction, surpassant les méthodes existantes avec moins de paramètres et un protocole d'évaluation unifié.
Ce papier propose SSR, un cadre de compression générique qui exploite les descriptions textuelles et des vecteurs d'images compacts via une technique de réplication de l'espace de similarité pour réduire considérablement les coûts de stockage et de bande passante des cartes robotiques tout en maintenant une haute précision pour la localisation.
Cette étude multicentrique évalue l'efficacité des méthodes d'apprentissage profond exploitant les données séquentielles et l'information temporelle pour améliorer la détection et la segmentation des polypes coliques lors des colonoscopies en temps réel.
Le papier présente CubeComposer, un modèle de diffusion autorégressif spatio-temporel innovant capable de générer nativement des vidéos 360° en 4K à partir de vidéos en perspective, en surmontant les limitations de résolution des méthodes existantes grâce à une décomposition en cubemap et à des mécanismes de gestion de contexte optimisés pour une expérience VR immersive.
Ce papier présente MMFA, une nouvelle méthode non supervisée pour l'animation faciale qui permet un contrôle arbitraire des mouvements et l'interpolation d'expressions en découplant efficacement les informations d'identité et de mouvement grâce à un apprentissage de représentation auto-supervisé et un auto-encodeur variationnel.
Le papier présente PromptAvatar, un cadre innovant utilisant des modèles de diffusion duaux entraînés sur un vaste jeu de données multimodales pour générer des avatars 3D haute fidélité à partir de textes ou d'images en moins de 10 secondes, surmontant ainsi les limitations de contrôle et de vitesse des méthodes existantes.
Cette étude présente CRESTomics, un nouveau modèle additif à noyau intégrant une perte de cohérence et une régularisation parcimonieuse de groupe, qui analyse 500 plaques carotidiennes de l'essai CREST-2 pour identifier de manière précise et interprétable des marqueurs radiomiques liés au risque clinique élevé.
Ce papier présente MOO, un jeu de données synthétique multi-vues de 1 000 vaches capturé sous 128 angles, conçu pour analyser l'impact des variations de point de vue dans la ré-identification animale et démontrer que les priors géométriques synthétiques améliorent significativement la généralisation des modèles vers des scénarios réels.
Le papier présente SPRINT, le premier cadre d'apprentissage incrémental à quelques exemples (FSCIL) conçu spécifiquement pour les données tabulaires, qui exploite le pseudo-étiquetage et l'historique des classes pour atteindre des performances de pointe tout en évitant l'oubli catastrophique.
Cette étude présente un cadre évolutif démontrant que les modèles d'IA générative surpassent largement les méthodes d'augmentation traditionnelles pour créer des images réalistes de conditions environnementales défavorables, validant ainsi leur utilité pour l'évaluation des systèmes d'IA.