5652 articles
Ce papier présente AEIC, un cadre de compression d'images asymétrique qui utilise un encodeur peu profond couplé à un décodeur par diffusion en une étape pour atteindre une haute fidélité perceptuelle à des débits ultra-faibles tout en garantissant une efficacité d'encodage exceptionnelle pour les appareils aux ressources limitées.
Cet article présente une méthode de contrôle par apprentissage par renforcement permettant à un manipulateur aérien sous-actionné et léger de réaliser un contrôle précis de la pose de son effecteur terminal en six degrés de liberté, même en présence de perturbations externes et de tâches de contact.
Ce papier présente SVBench, le premier benchmark évaluant la capacité des modèles de génération vidéo à produire des comportements socialement cohérents en testant sept dimensions de la cognition sociale, et révèle un écart significatif entre le réalisme visuel actuel et la compréhension des dynamiques psychologiques et sociales.
Ce papier propose une approche novatrice pour surmonter la pénurie de données en robotique chirurgicale en utilisant le modèle de monde Cosmos-H-Surgical et le jeu de données SATA pour générer des vidéos synthétiques et en déduire des kinematics factices, permettant ainsi d'entraîner des politiques de robot chirurgical qui surpassent les modèles formés uniquement sur des démonstrations réelles.
Le papier propose AFTER, une méthode d'édition d'activation adaptative guidée par des faits qui atténue efficacement les hallucinations d'objets dans les modèles vision-langage en combinant un guidage factuel et une optimisation spécifique aux requêtes pour corriger les biais linguistiques.
Cet article propose deux cadres basés sur des représentations neuronales implicites pour réaliser des analyses volumétriques d'OCT rétinien résolus de manière agnostique, permettant à la fois l'interpolation inter-B-scan et la création d'un atlas rétinien généralisable pour surmonter les limitations liées à l'anisotropie et à la résolution des données d'imagerie clinique.
Ce papier présente OODEval, un benchmark manuel et des métriques unifiées pour évaluer les capacités de conception orientée objet de 29 grands modèles de langage, révélant qu'ils excellent en syntaxe mais peinent encore à égaler les meilleurs concepteurs humains sur le plan sémantique.
PLANING est un cadre de reconstruction 3D en flux continu efficace qui couple lâchement des primitives géométriques explicites et des Gaussiens neuronaux pour obtenir simultanément une géométrie précise et un rendu de haute qualité, surpassant les méthodes existantes en termes de vitesse et de fidélité structurelle.
Cette étude démontre que l'ordre de saisie des évaluations (notation avant ou après l'avis) polarise les notes des consommateurs en fonction de la qualité du service, un effet médié par l'heuristique affective et l'effort cognitif, et amplifié pour les produits hédoniques.
Le papier présente Paracosm, une méthode de recherche d'images composée sans entraînement qui surpasse l'état de l'art en générant directement des images mentales synthétiques via un grand modèle multimodal pour combler l'écart de domaine avec les images réelles.
KVSmooth est une méthode d'inférence sans entraînement qui atténue les hallucinations dans les modèles de langage multimodaux en appliquant un lissage adaptatif des états cachés guidé par l'entropie de l'attention, améliorant ainsi simultanément la précision et le rappel sans modifier le modèle.
Cet article analyse empiriquement l'utilisation du concept de travail « ennuyeux, sale et dangereux » (DDD) dans la littérature robotique de 1980 à 2024, révèle son manque de définitions claires, propose une clarification basée sur les sciences sociales et suggère un cadre pour mieux évaluer l'impact des robots sur le travail humain.
Le papier présente ThunderAgent, un système d'inférence agentielle simple et rapide qui optimise les performances et l'utilisation des ressources en traitant les flux de travail comme des programmes unifiés pour mieux gérer le cache KV et les environnements d'exécution des outils.
OmniVTON++ est un cadre de essayage virtuel universel sans entraînement qui surpasse les méthodes existantes en assurant une adaptation précise des vêtements, une cohérence structurelle humaine et une continuité des contours grâce à une morphologie structurée, un guidage de pose principal et un assemblage de contours continus, tout en s'appliquant à divers scénarios incluant plusieurs vêtements, plusieurs personnes et des personnages d'anime.
Le cadre Similarity-as-Evidence (SaE) améliore l'apprentissage actif médical en recalibrant les modèles vision-langage surconfiants via une tête d'évidence de similarité qui quantifie le manque et le conflit de preuves, permettant ainsi une sélection d'échantillons interprétable et une réduction des coûts d'annotation.
Ce papier propose un cadre de triangulation piloté par des modèles qui intègre les limites dérivées d'images dans une grille triangulaire régulière en ne retriangulant que les éléments intersectés, garantissant ainsi une discrétisation stable, parallèle et déterministe pour la résolution d'équations aux dérivées partielles sur des domaines complexes.
Ce papier présente SIMSPINE, un cadre de simulation biomécanique et le premier jeu de données ouvert à grande échelle annotant les mouvements de la colonne vertébrale en 3D, qui comble le fossé entre la modélisation musculosquelettique et la vision par ordinateur en établissant un benchmark unifié pour l'estimation anatomiquement précise de la cinétique vertébrale.
Cet article établit théoriquement que le cadre -DRESS distingue systématiquement les paires CFI et atteint au moins le niveau de la hiérarchie WL, confirmant ainsi par des preuves inconditionnelles et conditionnelles la puissance discriminante de cette méthode itérative basée sur les sous-graphes.
Ce papier présente InterNeg, un cadre innovant pour la détection hors distribution (OOD) avec des modèles vision-langage (VLM), qui améliore les performances en assurant une cohérence des distances inter-modales lors de la sélection des textes négatifs et de la génération d'embeddings textuels à partir d'images OOD, surpassant ainsi les méthodes existantes sur plusieurs benchmarks.
Ce papier présente Kraken, la première attaque par canal auxiliaire EM de haut niveau capable d'extraire les paramètres des cœurs Tensor des GPU via une analyse de corrélation de puissance en champ proche, tout en démontrant la fuite d'informations des LLMs à travers des obstacles jusqu'à 100 cm en champ lointain.