3447 articles
Cet article propose un cadre de désentanglement sémantique guidé par la vision qui, en alignant les priors visuels et en utilisant un module de fusion hybride au sein d'un transformateur de diffusion, permet une génération d'images médicales hautement contrôlable et de haute qualité pour surmonter les limites des modèles texte-à-image actuels.
Le papier propose STEPH, une méthode efficace de fusion de modèles via des hyperréseaux et un mélange parcimonieux de vecteurs de tâches, qui améliore la prédiction du pronostic des cancers sur des images de lames entières en transférant des connaissances généralisables entre 13 types de cancers sans nécessiter d'entraînement conjoint à grande échelle.
Cet article présente le BinWalker, une plateforme robotique quadrupède équipée d'un bras manipulateur et d'un conteneur, conçue pour détecter, saisir et collecter automatiquement les déchets dans des environnements extérieurs difficiles d'accès, offrant ainsi une solution prometteuse pour automatiser le nettoyage des espaces publics.
Cette étude analyse un corpus de graphiques à l'échelle du mot dans des articles scientifiques pour proposer un cadre caractérisant leur positionnement, leur fonction communicative et leur représentation visuelle, tout en soulignant leur sous-utilisation actuelle et en explorant des pistes pour améliorer la communication scientifique.
Cet article présente un système d'électronique cutanée (e-skin) entièrement intégré et piloté par les événements, combinant une stratégie de balayage binaire dynamique pour une acquisition de données ultra-économe et un réseau de neurones à impulsions (SNN) implémenté sur FPGA, permettant une reconnaissance de chiffres manuscrits en temps réel avec une grande efficacité énergétique et une précision de 92,11 %.
DSFlash est un modèle à faible latence capable de générer des graphes de scène panoramiques complets en temps réel (56 images par seconde) avec une efficacité des ressources exceptionnelle, comblant ainsi le fossé entre les performances avancées et les contraintes matérielles des dispositifs périphériques.
Ce papier présente la quantification K-moyennes à suppression de frontières (BS-KMQ), une méthode innovante qui atténue les biais d'activation dans le calcul en mémoire pour réduire les exigences de résolution des convertisseurs analogique-numérique, tout en améliorant significativement la précision, la surface et l'efficacité énergétique des réseaux de neurones profonds.
Cet article présente P-GSVC, un cadre unifié de splatting gaussien 2D progressif et multicouche qui permet une reconstruction d'images et de vidéos évolutive grâce à une stratégie d'entraînement conjoint surpassant les méthodes séquentielles.
Ce papier présente CD-Raft, un protocole Raft optimisé pour les sites inter-domaines qui réduit significativement la latence de consensus grâce à une gestion améliorée du temps aller-retour et un positionnement stratégique du nœud leader, tout en garantissant une cohérence forte vérifiée formellement.
Ce papier présente FP-Predictor, un modèle de réseau de convolution graphique entraîné sur des graphes de propriétés de code pour prédire avec une grande précision les faux positifs des rapports d'analyse statique de sécurité, tout en identifiant les limites liées à la représentation du flux de contrôle et en proposant des améliorations futures.
Ce papier présente PET-F2I, un benchmark à grande échelle et un modèle de 7B paramètres finement ajusté qui améliorent significativement la génération automatisée de résumés diagnostiques pour les examens TEP/CT en introduisant des métriques cliniques rigoureuses.
Le papier présente TacLoc, un cadre novateur de localisation tactile qui traite l'estimation de pose comme une tâche d'enregistrement de nuages de points en une seule étape, utilisant une méthode graphique partielle-à-complet guidée par les normales pour obtenir une localisation précise et généralisable sans recourir à des données rendues ou à des modèles pré-entraînés.
Le papier présente UniStitch, un cadre d'assemblage d'images pionnier qui unifie les caractéristiques géométriques et sémantiques grâce à un module Neural Point Transformer et un mélange adaptatif d'experts, surpassant ainsi les méthodes existantes en gérant efficacement des scènes complexes.
Cet article propose une architecture de contrôle en couches pour les POMDPs de type « atteindre-éviter », qui découple la poursuite d'objectif, la collecte d'informations et la sécurité via des fonctions de Lyapunov et de barrière dans l'espace des croyances, permettant ainsi une synthèse de contrôle en temps réel avec des garanties de sécurité probabilistes.
Ce papier propose R4-CGQA, un cadre à deux flux basé sur la récupération qui améliore l'évaluation de la qualité des images de graphisme informatique par les modèles vision-langage en s'appuyant sur un nouveau jeu de données annoté et des descriptions visuellement similaires pour fournir des jugements précis et explicables.
Ce papier présente LIDA, un cadre d'attribution d'images générées par IA sans modèle spécifique qui reformule le problème comme une tâche de recherche d'instances en utilisant des empreintes numériques basées sur les bits de faible poids et une adaptation à quelques exemples, surpassant ainsi les méthodes existantes dans des scénarios sans échantillons ou à peu d'échantillons.
Le papier présente Marigold-SSD, un cadre de complétion de profondeur en zéro coup qui utilise des priors de diffusion en une seule étape pour éliminer l'optimisation coûteuse au moment de l'inférence, offrant ainsi une perception 3D robuste et efficace avec une généralisation cross-domaine exceptionnelle.
Cet article propose un cadre MT-ASR basé uniquement sur un encodeur qui distille les priors sémantiques d'un LLM pour améliorer la reconnaissance de la parole multi-parleurs avec un nombre variable d'interlocuteurs, en atteignant des performances compétitives avec une latence réduite par rapport aux systèmes utilisant des décodeurs LLM.
Cette étude présente une comparaison reproductible des méthodes d'interpolation Clough-Tocher et RBF multiquadrique, démontrant que bien que l'interpolation exacte sur des données bruyantes entraîne un surajustement, la méthode cubique offre une stabilité supérieure et permet de récupérer des comportements de processus thermodynamiques physiquement significatifs à partir de mesures imparfaites.
Cet article propose une nouvelle méthode de détection d'images synthétiques appelée « Latent Transition Discrepancy » (LTD), qui exploite les incohérences dans les transitions de caractéristiques entre les couches des réseaux de neurones pour identifier les images générées par IA avec une précision et une généralisation supérieures aux approches actuelles.