10072 articles
Cet article présente une famille de modèles semi-paramétriques profonds qui permettent un apprentissage machine « oubliable » en supprimant explicitement des échantillons d'entraînement lors du test sans modifier les paramètres du modèle, offrant ainsi des performances compétitives et une efficacité d'effacement bien supérieure aux approches paramétriques existantes.
Ce papier présente ForeSea, un système de recherche forensique vidéo basé sur une architecture en trois étapes et un nouveau benchmark nommé ForeSeaQA, conçus pour améliorer la précision de la recherche de cibles spécifiques et le raisonnement temporel au sein de longues séquences de vidéosurveillance via des requêtes multimodales (image et texte).
Ce papier présente TFA-Net, un réseau de nouvelle génération pour la détection d'anomalies industrielles qui améliore la reconstruction des caractéristiques en les agrégeant sur un modèle normal, surmontant ainsi les limites des méthodes existantes tout en garantissant des performances en temps réel.
Le papier présente TreeTeaming, un cadre de test d'intrusion autonome qui utilise une exploration stratégique hiérarchique dynamique pour découvrir des vulnérabilités inédites dans les modèles vision-langage, surpassant les méthodes existantes en termes de taux de réussite et de diversité des attaques.
Ce papier présente GroupEditing, un cadre novateur qui assure des modifications cohérentes sur plusieurs images en fusionnant des correspondances géométriques explicites et des relations temporelles implicites, soutenu par un nouveau jeu de données et une méthode de préservation de l'identité.
Le modèle SLARM propose une architecture unifiée et en flux pour la reconstruction de scènes dynamiques, qui intègre une modélisation du mouvement d'ordre supérieur et des représentations alignées sur le langage pour obtenir des performances de pointe en estimation, rendu et segmentation sans supervision de flux ni accumulation de mémoire.
Cet article propose le modèle DDSR, qui améliore l'adaptation de domaine en boîte noire en combinant la distillation d'enseignes duales et la rectification de sous-réseaux pour exploiter conjointement les prédictions d'un modèle source inaccessible et les priors sémantiques d'un modèle vision-langage, surmontant ainsi les limitations des méthodes existantes.
Le papier présente ForestPrune, une méthode d'élagage de tokens sans entraînement pour les modèles multimodaux vidéo, qui utilise une modélisation par forêt spatio-temporelle pour atteindre un taux de compression élevé tout en préservant la précision.
Cet article présente MLD-VC, le premier jeu de données multimodal conçu pour les conférences vidéo, et révèle que les algorithmes d'amélioration de la parole sont la principale cause de la dégradation des performances des systèmes de reconnaissance parole audio-visuelle dans ce contexte, une problématique résolue par un ajustement fin sur ce nouveau jeu de données.
Le papier présente EVA, un cadre d'apprentissage par renforcement efficace qui permet à un agent vidéo de planifier avant de percevoir grâce à un raisonnement itératif et à un pipeline d'entraînement en trois étapes, surpassant ainsi les méthodes existantes sur plusieurs benchmarks de compréhension vidéo.