8836 articles
Le papier présente SOLAR, un cadre de modélisation séquentielle pour les systèmes de recommandation qui utilise une attention optimisée par SVD pour réduire la complexité computationnelle tout en préservant la fonction softmax, permettant ainsi de gérer des séquences de comportement massives et d'améliorer significativement les performances en ligne chez Kuaishou.
Cet article propose ATD, une nouvelle architecture de transformateur pour la restauration d'images qui utilise un dictionnaire de tokens adaptatif et un mécanisme d'attention croisée pour modéliser les dépendances globales avec une complexité linéaire, atteignant ainsi des performances de pointe sur diverses tâches de restauration.
Ce papier présente NEMF, un cadre novateur qui transforme le problème inverse physique mal posé de la reconstruction des paramètres matériels en une tâche d'apprentissage bien posée en découplant la géométrie et le champ ambiant, permettant ainsi de créer des jumeaux numériques fonctionnels et simulables à partir de données non invasives.
Cette étude démontre que la combinaison de techniques d'augmentation de données, notamment les transformations affines aléatoires et les variations de couleur, optimise les performances d'un modèle Vision Transformer léger pour la reconnaissance de caractères bengalis manuscrits en palliant le manque de données.
Ce papier présente « Synthetic-Child », un pipeline de données synthétiques basé sur l'IA générative qui permet d'entraîner un modèle de détection de posture pour enfants avec une précision élevée et une confidentialité totale, en éliminant le besoin de photographies réelles d'enfants tout en garantissant un déploiement temps réel sur des dispositifs embarqués.
Ce papier présente VLMFusionOcc3D, un cadre multimodal robuste pour la prédiction d'occupation sémantique 3D dense qui améliore la précision et la fiabilité par temps défavorable en intégrant des priors linguistiques de modèles vision-langage et des mécanismes d'adaptation dynamique aux conditions météorologiques.
Ce papier présente DrPose, un algorithme de fine-tuning par récompense directe qui améliore la reconstruction 3D de humains à partir d'une seule image en entraînant un modèle de diffusion multi-vues sur un large éventail de poses sans nécessiter d'actifs 3D coûteux.
Cet article propose IB-IUMAD, un nouveau cadre de détection d'anomalies multimodales incrémentielles qui résout le problème de l'oubli catastrophique en éliminant les caractéristiques redondantes et spuriaires grâce à une fusion par goulot d'étranglement de l'information et à un décodeur Mamba.
Le papier présente SEP-YOLO, un cadre novateur intégrant un mécanisme de collaboration dual-domaine et des annotations de haute qualité pour le dataset Trans10K, afin de surmonter les défis de la segmentation d'instances d'objets transparents et d'atteindre des performances de pointe.
L'article présente OmniFashion, un cadre unifié vision-langage reposant sur le jeu de données à grande échelle FashionX, qui permet de surmonter la fragmentation des tâches de l'intelligence mode en établissant un paradigme de dialogue interactif pour le raisonnement et la compréhension multi-tâches.
Ce papier présente M3IRT, un cadre d'analyse basé sur la théorie de réponse à l'item multidimensionnelle et multimodale qui décompose les capacités des modèles et la difficulté des questions en composantes visuelles, textuelles et croisées, permettant ainsi d'identifier et de prioriser les questions véritablement multimodales pour améliorer la fiabilité et l'efficacité des évaluations des grands modèles de langage multimodaux.
Le papier présente DREAM, un cadre unifié qui combine l'apprentissage de représentations visuelles et la génération d'images à partir de texte grâce à des techniques innovantes comme le réchauffement du masquage et le décodage aligné sémantiquement, permettant d'obtenir des performances supérieures à la fois en compréhension visuelle et en génération sans nécessiter de réordonnanceurs externes.
L'article présente VisionCreator, un modèle agent natif de génération visuelle unifiant compréhension, réflexion, planification et création, qui surpasse les modèles propriétaires plus grands grâce à des données d'entraînement spécialisées, une formation progressive et une évaluation rigoureuse sur un nouveau benchmark.
L'article présente ReCo-Diff, un cadre de diffusion déterministe conditionné par les résidus d'observation qui améliore la reconstruction des tomodensitométries à vues espacées en corrigeant continuellement les prédictions sans recourir à des interventions heuristiques.
Le papier présente FiDeSR, un cadre de super-résolution d'images en une seule étape basé sur la diffusion qui combine une pondération attentive aux détails, des enhanceurs adaptatifs et un raffinement de bruit résiduel pour surmonter les compromis entre fidélité et préservation des détails fins dans les méthodes existantes.
Le papier présente ShareVerse, un cadre de génération vidéo multi-agent qui, grâce à un nouveau jeu de données CARLA, une stratégie de concaténation spatiale et des mécanismes d'attention croisée, permet la modélisation cohérente d'un monde partagé avec des interactions spatiales et temporelles synchronisées entre plusieurs agents.
Les auteurs ont développé GTDoctor, un modèle d'apprentissage profond visuel-langagier intégré au système GTDiagnosis, qui améliore considérablement la précision, la rapidité et la cohérence du diagnostic pathologique des maladies trophoblastiques gestationnelles.
Ce papier propose MiM-DiT, un cadre unifié de restauration d'images qui combine une architecture à double niveau de mélange d'experts (MoE) avec des transformateurs de diffusion préentraînés pour gérer efficacement une variété de dégradations, des types majeurs aux variations fines.
Le papier présente CoR-Painter, un cadre novateur qui améliore la génération d'images autoregressive en introduisant un raisonnement contraint pour définir d'abord « comment » structurer l'image via des contraintes visuelles, avant de spécifier « quoi » dessiner, surpassant ainsi les méthodes actuelles dans la résolution des ambiguïtés spatiales.
Ce papier présente TenExp, un cadre de recherche de structure de décomposition tensorielle basé sur un mélange d'experts qui permet de sélectionner dynamiquement et de manière non supervisée des décompositions uniques ou mixtes adaptées, surpassant ainsi les méthodes existantes en termes de flexibilité et de précision d'approximation.