cs.CV articles | Gist.Science

Fast Equivariant Imaging: Acceleration for Unsupervised Learning via Augmented Lagrangian and Auxiliary PnP Denoisers

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.

Guixian Xu, Jinglai Li, Junqi Tang2026-03-05🤖 cs.LG

D2Dewarp: Dual Dimensions Geometric Representation Learning Based Document Image Dewarping

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.

Heng Li, Xiangping Wu, Qingcai Chen2026-03-05💻 cs

VITA: Vision-to-Action Flow Matching Policy

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.

Dechen Gao, Boqi Zhao, Andrew Lee + 6 more2026-03-05🤖 cs.AI

Classification of Histopathology Slides with Persistent Homology Convolutions

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.

Shrunal Pothagoni, Benjamin Schweinhart2026-03-05💻 cs

Towards Generalizable AI-Generated Image Detection via Image-Adaptive Prompt Learning

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.

Yiheng Li, Zichang Tan, Guoqing Xu + 3 more2026-03-05💻 cs

GaitSnippet: Gait Recognition Beyond Unordered Sets and Ordered Sequences

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.

Saihui Hou, Chenye Wang, Wenpeng Lang + 2 more2026-03-05💻 cs

Reinforcing Video Reasoning Segmentation to Think Before It Segments

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.

Sitong Gong, Lu Zhang, Yunzhi Zhuge + 3 more2026-03-05💻 cs

Stochastic Self-Guidance for Training-Free Enhancement of Diffusion Models

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).

Chubin Chen, Jiashu Zhu, Xiaokun Feng + 7 more2026-03-05💻 cs

Adaptive Quantized Planetary Crater Detection System for Autonomous Space Exploration

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.

Aditri Paul, Archan Paul2026-03-05🤖 cs.AI

ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments

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.

Zhe Han, Charlie Budd, Gongyu Zhang + 3 more2026-03-05💻 cs

Index-Preserving Lightweight Token Pruning for Efficient Document Understanding in Vision-Language Models

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.

Jaemin Son, Sujin Choi, Inyong Yun2026-03-05🤖 cs.AI

QDFlow: A Python package for physics simulations of quantum dot devices

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.

Donovan L. Buterakos, Sandesh S. Kalantre, Joshua Ziegler + 2 more2026-03-05⚛️ quant-ph

Enhancing Feature Fusion of U-like Networks with Dynamic Skip Connections

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.

Yue Cao, Quansong He, Kaishen Wang + 3 more2026-03-05💻 cs

Segment-to-Act: Label-Noise-Robust Action-Prompted Video Segmentation Towards Embodied Intelligence

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.

Wenxin Li, Kunyu Peng, Di Wen + 4 more2026-03-05🤖 cs.LG

Category-Level Object Shape and Pose Estimation in Less Than a Millisecond

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.

Lorenzo Shaikewitz, Tim Nguyen, Luca Carlone2026-03-05💻 cs

Raw-JPEG Adapter: Efficient Raw Image Compression with JPEG

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.

Mahmoud Afifi, Ran Zhang, Michael S. Brown2026-03-05💻 cs

Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play

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.

Qinsi Wang, Bo Liu, Tianyi Zhou + 6 more2026-03-05🤖 cs.AI

Training-Free Reward-Guided Image Editing via Trajectory Optimal Control

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.

Jinho Chang, Jaemin Kim, Jong Chul Ye2026-03-05🤖 cs.AI

Factuality Matters: When Image Generation and Editing Meet Structured Visuals

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.

Le Zhuo, Songhao Han, Yuandong Pu + 8 more2026-03-05💻 cs

TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics

Ce papier présente TIGeR, un cadre novateur qui améliore la précision géométrique des modèles vision-langage pour la robotique en leur permettant de générer et d'exécuter du code via des outils externes, surpassant ainsi les limitations des approches purement qualitatives pour atteindre une précision centimétrique dans les tâches de manipulation réelle.

Yi Han, Enshen Zhou, Shanyu Rong + 6 more2026-03-05🤖 cs.AI

← Précédent Suivant →