5695 articles
Le papier présente AgentServe, un système de service conçu pour une seule carte graphique grand public qui améliore la stabilité et les performances du service d'IA agentique en isolant les phases de préremplissage et de décodage et en allouant dynamiquement les ressources GPU pour résoudre les conflits de contention.
L'article présente EmoStory, un cadre de génération d'histoires visuelles en deux étapes qui intègre la planification par agents et la composition consciente des régions pour produire des récits cohérents et subjectivement stables guidés par des émotions explicites.
Cet article propose un cadre fermé intégrant une estimation haptique, une planification en ligne et un contrôle adaptatif de la raideur, basé sur une variété d'équilibre paramétrée, pour réaliser une manipulation d'outils robuste et précise en milieu encombré, comme démontré par des essais réels de desserrage de vis.
Ce papier propose S-HPLB, une nouvelle stratégie de déploiement qui équilibre la charge entre les têtes d'attention en adaptant dynamiquement leur budget de parcimonie, permettant ainsi de réduire la latence de calcul de 2,88 fois sans dégrader la qualité des inférences sur les grands modèles de langage.
Le papier présente StyleGallery, un cadre de transfert de style personnalisé sans entraînement et conscient du sémantique qui, en utilisant des images de référence arbitraires et un processus en trois étapes (segmentation, appariement et optimisation), surpasse les méthodes existantes en préservant la structure du contenu tout en assurant une stylisation précise et adaptable.
Cette proposition de cadre unifié sans entraînement combat les hallucinations des modèles multimodaux en manipulant les tokens visuels via deux modules complémentaires, la calibration visuelle synergique et la calibration causale, pour rétablir l'équilibre vision-langage et améliorer la précision POPE de 2 % sur LLaVA-1.5 avec une surcharge d'inférence négligeable.
Ce papier présente le Geometric Autoencoder (GAE), un cadre novateur qui améliore les modèles de diffusion latents en intégrant des priors de modèles de vision fondationnels et une normalisation latente, permettant d'atteindre des performances de génération d'images supérieures sur ImageNet-1K tout en équilibrant compression, profondeur sémantique et stabilité de reconstruction.
Le papier présente GeoSense, un cadre qui permet aux modèles de langage multimodaux de percevoir leurs insuffisances perceptuelles et d'activer de manière autonome des canaux géométriques pour le raisonnement spatial uniquement lorsque les indices 2D sont jugés inadéquats, améliorant ainsi l'efficacité et la robustesse sans compromettre les capacités visuelles existantes.
Cette étude démontre que l'optimisation de la dimensionnalité des facteurs dans un modèle de diffusion conditionnel permet de trouver un compromis idéal entre biais et variance, surpassant ainsi les stratégies de portefeuille traditionnelles en évitant à la fois le sous-apprentissage et le surapprentissage.
Cette étude analyse les vulnérabilités de sécurité critiques du framework d'agents OpenClaw face aux attaques malveillantes et démontre l'efficacité d'une nouvelle couche de défense intégrant une intervention humaine (HITL) pour renforcer significativement la protection du système.
Cet article présente une démonstration complète d'une attaque de falsification de télémétrie satellite via un composant compromis dans la chaîne d'approvisionnement, révélant une vulnérabilité critique des architectures modulaires et proposant des contre-mesures pour sécuriser les missions spatiales.
Ce papier propose ScanDP, un cadre de numérisation 3D généralisable et efficace en données qui utilise une politique de diffusion pour imiter les stratégies de balayage humaines, en s'appuyant sur la cartographie par grille d'occupation et une optimisation hybride de trajectoire pour obtenir une meilleure couverture et une plus grande robustesse face au bruit et aux objets inédits.
Cette étude propose et évalue « AnimaStand », un support animé qui transforme les smartphones en facilitateurs corporels expressifs capables de réengager les membres passifs et d'améliorer la dynamique, la performance et les relations lors de discussions de groupe en présentiel.
Cet article propose OCpose, une nouvelle métrique d'évaluation pour l'estimation de pose multi-personnes basée sur le transport optimal, qui assure une évaluation équitable en considérant tous les poses détectés indépendamment de leur score de confiance tout en les utilisant pour améliorer la fiabilité de l'appariement avec les annotations.
Cet article présente SpatioCoupledNet, une méthode de contrôle de forme hybride combinant cinématique et apprentissage profond pour stabiliser et améliorer la précision d'un robot planaire hyper-redundant flexible, surpassant les approches purement analytiques ou basées sur les données dans des environnements incertains et dynamiques.
Ce papier propose une nouvelle fonction de perte pour calibrer les incertitudes des prédicteurs de trajectoires gaussiens en alignant leurs distributions de confiance sur une loi du Chi-deux, améliorant ainsi la sécurité de la planification de mouvement dans des environnements encombrés.
Le papier présente Motion Forcing, un cadre découplé basé sur une hiérarchie « Point-Forme-Apparence » et une stratégie de récupération de points masqués, conçu pour stabiliser le compromis entre qualité visuelle, cohérence physique et contrôlabilité dans la génération vidéo complexe.
Ce papier propose la méthode DGI (Differentiable Geometric Indexing) pour résoudre les blocages d'optimisation et les conflits géométriques de la recherche générative en unifiant l'indexation et la récupération via une formation différentiable et une optimisation géométrique isotrope, surpassant ainsi les approches existantes, notamment dans les scénarios à longue traîne.
Le papier propose Frames2Residual (F2R), une méthode d'apprentissage auto-supervisé pour le débruitage vidéo qui surmonte les limitations des réseaux à trou aveugle en découplant l'apprentissage en deux étapes distinctes : une modélisation temporelle aveugle pour assurer la cohérence inter-images, suivie d'une récupération spatiale non aveugle pour restaurer les détails texturaux.
Ce papier présente TractoRC, un cadre d'apprentissage probabiliste unifié qui améliore simultanément l'enregistrement et le regroupement des tractogrammes en apprenant un espace d'incorporation latent partagé grâce à une stratégie d'apprentissage auto-supervisé invariante aux transformations.