8784 articles
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.
Le papier présente Pointer-CAD, un cadre de génération de modèles CAO par LLM qui surmonte les limites des séquences de commandes en intégrant une sélection d'entités géométriques via des pointeurs, permettant ainsi la création de structures complexes et la réduction des erreurs topologiques grâce à un jeu de données de 575 000 modèles.
Le papier présente ArtHOI, le premier cadre de synthèse zéro-shot d'interactions humain-objet articulées qui reconstruit des scènes 4D géométriquement cohérentes à partir de vidéos générées par diffusion, surmontant ainsi les limites des méthodes existantes en matière de manipulation d'objets articulés et de réalisme physique.
Cette étude compare trois architectures génératives pour la création d'IRM cardiaques synthétiques et démontre que les modèles de diffusion, en particulier les DDPM, offrent le meilleur équilibre entre fidélité, utilité pour la segmentation et protection de la vie privée dans des conditions de données limitées.
Ce papier présente HOSO-Adapter, une méthode simple et sans validation pour l'adaptation CLIP en few-shot qui apprend automatiquement le ratio de mélange via un ensemble de rétention à un seul exemple, surpassant ainsi les approches existantes sur plusieurs jeux de données.
Cette étude démontre que l'intégration d'images synthétiques générées par DreamBooth et Stable Diffusion améliore la précision et la généralisation des modèles d'attribution d'auteur de tableaux, en surmontant le défi du manque de données réelles.
Cette étude propose une méthode efficace en données utilisant un seul exemple par classe et un modèle de langage pour prédire avec une grande précision la capacité des modèles fondationnels vision-langage à généraliser vers des domaines sous-représentés, offrant ainsi un outil peu coûteux pour évaluer les besoins en annotation avant l'entraînement.
Le papier présente RANGER, un cadre innovant de génération de rapports de pathologie qui combine un mélange d'experts à portes clairsemées pour une spécialisation dynamique et un module de réordonnancement adaptatif pour affiner la récupération de connaissances, démontrant ainsi des performances supérieures sur le jeu de données PathText-BRCA.
Le papier présente FocusGraph, un cadre innovant pour la sélection de trames clés dans les vidéos longues en première personne, qui combine un sélecteur basé sur des légendes graphiques et une méthode d'inférence sans entraînement pour améliorer la précision des réponses tout en réduisant le temps de calcul.
Le papier présente Helios, un modèle de génération vidéo autoregressif de 14 milliards de paramètres capable de produire des vidéos à l'échelle de la minute en temps réel sur une seule carte graphique H100, tout en éliminant le dérive temporelle et en réduisant considérablement les coûts computationnels grâce à des stratégies d'entraînement innovantes et des optimisations d'infrastructure.
Le papier présente TaxonRL, une approche d'apprentissage par renforcement utilisant des récompenses intermédiaires pour décomposer le raisonnement visuel en prédictions taxonomiques hiérarchiques, permettant ainsi d'atteindre une précision supérieure à celle des humains sur la tâche de discrimination fine d'espèces tout en garantissant l'interprétabilité des décisions.