cs.CV articles | Gist.Science

Adaptive Enhancement and Dual-Pooling Sequential Attention for Lightweight Underwater Object Detection with YOLOv10

Cet article propose un cadre de détection d'objets sous-marins léger et robuste basé sur YOLOv10, intégrant un module d'amélioration adaptatif, un mécanisme d'attention à double mise en pool séquentielle et une fonction de perte FGIoU, qui améliore significativement la précision sur les jeux de données RUOD et DUO tout en conservant une architecture compacte adaptée aux systèmes embarqués.

Md. Mushibur Rahman, Umme Fawzia Rahim, Enam Ahmed Taufik2026-03-05💻 cs

Vector-Quantized Soft Label Compression for Dataset Distillation

Cet article propose un autoencodeur à quantification vectorielle (VQAE) pour compresser efficacement les étiquettes douces dans la distillation de jeux de données, réduisant considérablement les coûts de stockage tout en préservant la performance des modèles sur des benchmarks comme ImageNet-1K.

Ali Abbasi, Ashkan Shahbazi, Hamed Pirsiavash + 1 more2026-03-05💻 cs

Structure-aware Prompt Adaptation from Seen to Unseen for Open-Vocabulary Compositional Zero-Shot Learning

Cet article propose la méthode SPA (Structure-aware Prompt Adaptation), qui améliore l'apprentissage zéro-shot compositionnel à vocabulaire ouvert en exploitant la cohérence des structures locales sémantiques pour adapter les modèles des concepts vus aux concepts non vus.

Yihang Duan, Jiong Wang, Pengpeng Zeng + 5 more2026-03-05💻 cs

From Narrow to Panoramic Vision: Attention-Guided Cold-Start Reshapes Multimodal Reasoning

Cet article propose AVAR, un cadre d'initialisation à froid guidé par l'attention qui résout le problème de la « localisation paresseuse de l'attention » en synthétisant des données visuelles et en façonnant les récompenses, permettant ainsi d'obtenir des gains significatifs en raisonnement multimodal sans réentraînement.

Ruilin Luo, Chufan Shi, Yizhen Zhang + 10 more2026-03-05🤖 cs.AI

Universal Pansharpening Foundation Model

Cet article présente FoundPS, un modèle fondationnel universel pour la fusion d'images satellitaires qui surpasse les méthodes existantes en généralisation grâce à une architecture innovante combinant transformateurs et diffusion latente, et est validé sur une nouvelle benchmark mondiale nommé PSBench.

Hebaixu Wang, Jing Zhang, Haonan Guo + 4 more2026-03-05💻 cs

All-in-One Image Restoration via Causal-Deconfounding Wavelet-Disentangled Prompt Network

Cet article présente le CWP-Net, un réseau de prompt déconvolutif causal et désintriqué en ondelettes conçu pour améliorer la restauration d'images tout-en-un en éliminant les corrélations fallacieuses et les estimations biaisées des dégradations.

Bingnan Wang, Bin Qin, Jiangmeng Li + 3 more2026-03-05💻 cs

DeepScan: A Training-Free Framework for Visually Grounded Reasoning in Large Vision-Language Models

Le papier présente DeepScan, un cadre sans entraînement qui améliore le raisonnement ancré visuellement des grands modèles vision-langage grâce à une exploration hiérarchique, un recentrage et un raisonnement enrichi par des preuves, permettant d'atteindre des performances élevées sans coût d'adaptation supplémentaire.

Yangfu Li, Hongjian Zhan, Jiawei Chen + 3 more2026-03-05💻 cs

Bridging Human Evaluation to Infrared and Visible Image Fusion

Cet article propose un cadre de renforcement par feedback humain, incluant le premier jeu de données à grande échelle de scores subjectifs pour la fusion d'images infrarouges et visibles, afin d'aligner les résultats de fusion sur les préférences visuelles humaines grâce à l'optimisation de politique de groupe.

Jinyuan Liu, Xingyuan Li, Qingyun Mei + 5 more2026-03-05💻 cs

Yolo-Key-6D: Single Stage Monocular 6D Pose Estimation with Keypoint Enhancements

Ce papier présente Yolo-Key-6D, une méthode monostade end-to-end pour l'estimation de pose 6D monoculaire qui améliore la précision et la vitesse en intégrant la détection de points clés et une régression de rotation continue, permettant ainsi un déploiement temps réel sur les benchmarks LINEMOD.

Kemal Alperen Çetiner, Hazım Kemal Ekenel2026-03-05💻 cs

UniSync: Towards Generalizable and High-Fidelity Lip Synchronization for Challenging Scenarios

Ce papier présente UniSync, un cadre unifié qui surpasse les méthodes actuelles de synchronisation labiale en combinant une stratégie d'entraînement sans masque pour la fidélité des couleurs et un inférence de fusion basée sur un masque pour la précision structurelle, permettant ainsi une adaptation robuste à des scénarios réels complexes incluant des avatars stylisés et des conditions d'éclairage extrêmes.

Ruidi Fan, Yang Zhou, Siyuan Wang + 3 more2026-03-05💻 cs

A novel network for classification of cuneiform tablet metadata

Cet article présente un réseau neuronal convolutif innovant conçu pour classer les métadonnées de tablettes cunéiformes en surmontant les défis posés par la rareté des données annotées et la complexité des nuages de points haute résolution, surpassant ainsi les performances de l'état de l'art (Point-BERT).

Frederik Hagelskjær2026-03-05🤖 cs.AI

From Misclassifications to Outliers: Joint Reliability Assessment in Classification

Cet article propose un cadre d'évaluation unifié et de nouvelles métriques pour évaluer conjointement la détection des données hors distribution et la prédiction des erreurs de classification, démontrant que l'utilisation de fonctions de double score améliore significativement la fiabilité des classificateurs par rapport aux approches traditionnelles.

Yang Li, Youyang Sha, Yinzhi Wang + 4 more2026-03-05🤖 cs.LG

Architecture and evaluation protocol for transformer-based visual object tracking in UAV applications

Cet article présente une architecture de suivi d'objets modulaire et asynchrone (MATA) intégrant des transformateurs et un filtre de Kalman étendu pour les drones, accompagnée d'un nouveau protocole d'évaluation et d'une métrique (NT2F) validés sur des plateformes embarquées pour améliorer la robustesse et l'efficacité en temps réel.

Augustin Borne, Pierre Notin, Christophe Hennequin + 4 more2026-03-05💻 cs

Fine-grained Image Aesthetic Assessment: Learning Discriminative Scores from Relative Ranks

Cet article présente FGAesthetics, une nouvelle base de données fine-grainée pour l'évaluation esthétique des images, ainsi que le cadre FGAesQ qui utilise des comparaisons relatives et des techniques d'alignement textuel pour apprendre des scores discriminatifs capables de distinguer des variations esthétiques subtiles tout en maintenant des performances compétitives sur des évaluations grossières.

Zhichao Yang, Jianjie Wang, Zhixianhe Zhang + 4 more2026-03-05💻 cs

N-gram Injection into Transformers for Dynamic Language Model Adaptation in Handwritten Text Recognition

Cet article propose une méthode d'injection de n-grammes (NGI) dans les décodeurs de Transformers pour adapter dynamiquement les modèles de reconnaissance de texte manuscrit à des distributions linguistiques cibles lors de l'inférence, réduisant ainsi significativement l'écart de performance sans nécessiter de réentraînement sur des paires image-texte.

Florent Meyer, Laurent Guichard, Denis Coquenet + 3 more2026-03-05💻 cs

DISC: Dense Integrated Semantic Context for Large-Scale Open-Set Semantic Mapping

Le papier présente DISC, une méthode de cartographie sémantique open-set à grande échelle qui surpasse les approches actuelles en éliminant l'extraction de caractéristiques par recadrage grâce à un mécanisme d'extraction dense et pondéré par la distance, permettant une cartographie sémantique précise et en temps réel directement sur GPU.

Felix Igelbrink, Lennart Niecksch, Martin Atzmueller + 1 more2026-03-05💻 cs

Cross-Modal Mapping and Dual-Branch Reconstruction for 2D-3D Multimodal Industrial Anomaly Detection

Ce papier présente CMDR-IAD, un cadre d'apprentissage non supervisé léger et flexible qui améliore la détection d'anomalies industrielles en combinant une cartographie bidirectionnelle 2D-3D et une reconstruction à double branche pour intégrer de manière robuste les données d'apparence et de géométrie, atteignant ainsi des performances de pointe sur les benchmarks MVTec 3D-AD et des ensembles de données industriels réels.

Radia Daci, Vito Renò, Cosimo Patruno + 4 more2026-03-05🤖 cs.AI

Slice-wise quality assessment of high b-value breast DWI via deep learning-based artifact detection

Cette étude démontre qu'un réseau de neurones convolutionnel de type DenseNet121 permet de détecter avec une grande précision les artefacts d'intensité hyper- et hypointense sur des images de résonance magnétique mammaire pondérées en diffusion à haut b-value, offrant ainsi une solution prometteuse pour l'évaluation de la qualité des images par tranches.

Ameya Markale, Luise Brock, Ihor Horishnyi + 10 more2026-03-05💻 cs

Spatial Causal Prediction in Video

Cet article introduit la prédiction causale spatiale (SCP) et le benchmark SCP-Bench pour évaluer la capacité des modèles à inférer des états spatiaux non observés, révélant ainsi d'importantes lacunes par rapport aux performances humaines et proposant des stratégies pour améliorer l'intelligence causale spatiale.

Yanguang Zhao, Jie Yang, Shengqiong Wu + 9 more2026-03-05💻 cs

RVN-Bench: A Benchmark for Reactive Visual Navigation

Ce papier présente RVN-Bench, un nouveau benchmark conçu pour évaluer la navigation visuelle réactive et sans collision d'agents mobiles dans des environnements intérieurs complexes et non vus, en s'appuyant sur le simulateur Habitat 2.0 et des scènes réalistes HM3D.

Jaewon Lee, Jaeseok Heo, Gunmin Lee + 3 more2026-03-05🤖 cs.AI

← Précédent Suivant →