3874 articles
Cet article présente une étude de référence évaluant cinq modèles transformeurs seq2seq pré-entraînés sur le jeu de données COSMMIC à travers neuf langues indiennes pour démontrer que l'incorporation des commentaires des lecteurs et des URL d'images aux côtés des titres et du contenu améliore considérablement les performances de résumé multimodal en mode zero-shot.
Cet article présente RAIA, un cadre d'assurance d'identité adaptatif au risque qui agrège la continuité biométrique, l'intégrité de session QR, l'autorisation basée sur les rôles et la posture de la chaîne d'approvisionnement des dispositifs pour gérer dynamiquement les risques d'accès pour les objets connectés (IoT), démontrant une forte capacité de confinement des attaques et une faible friction bénigne dans des simulations synthétiques tout en soulignant la nécessité critique d'un étalonnage des seuils spécifique au déploiement.
Cet article propose un cadre de transfert de style musical utilisant l'auto-attention conditionnelle et l'apprentissage contrastif sur hypersphère pour désintriquer efficacement les représentations de contenu et de style, générant ainsi des sorties musicales de haute qualité et contrôlables en style qui soutiennent l'éducation musicale intelligente.
Cet article propose la Communication Multi-Agents Rationnelle Dimensionnelle (DRMAC), un nouveau cadre qui améliore la coopération multi-agents en appliquant l'analyse dimensionnelle pour atténuer la redondance et les facteurs de confusion dans les plongements de messages grâce à une régularisation de réduction de la redondance et un masquage de gradient dynamique.
Le papier propose SSRNet, un cadre de reconnaissance des expressions faciales robuste qui combine un module d'amélioration de caractéristiques guidé par un a priori de structure avec un apprentissage contrastif auto-supervisé pour traiter efficacement les défis du monde réel tels que le bruit et l'occlusion, atteignant des performances de pointe sur les ensembles de données FER2013 et RAF-DB.
Cet article présente RefQA, un ensemble de données à l'échelle du million comprenant 1,52 million d'enregistrements de questions-réponses de type citation-preuve entre documents cliniques dérivés de PubMed Central, présentant des métadonnées structurées, un ancrage de revendication vérifiable et des annotations de haute qualité pour soutenir la recherche dans l'analyse des citations cliniques.
Cet article propose ER-Curriculum-DDQN, un cadre d'apprentissage par renforcement profond qui intègre le masquage de faisabilité, des caractéristiques de pression des tâches critiques et un apprentissage par curriculum guidé par réservation afin d'optimiser le déchargement de tâches en ligne dans les systèmes UAV-MEC via des relais LEO transparents, maximisant ainsi le taux d'achèvement opportun des tâches critiques sous des contraintes strictes de fenêtre de service.
Ce document propose le cadre RYAS-LOFCN, qui intègre un réseau d'attention de type Residual Atrous Squeeze avec FPN et un réseau Fuzzy CatBoost optimisé par LightGBM basé sur YOLOv12-L afin de surmonter les limites de la détection d'objets de trafic distants et visuellement similaires, atteignant une précision de 98,63 % et une exactitude de 98,56 % dans l'identification des véhicules.
Ce document propose un cadre de déploiement conscient pour la sélection de codecs RGB-D appris dans les systèmes de reconstruction 3D bord-nuage, démontrant que donner la priorité aux contraintes explicites de matériel et d'exécution plutôt qu'à la performance de taux-distorsion hors ligne produit une solution pratique qui équilibre mieux la vitesse d'encodage, l'utilisation de la mémoire et la qualité de reconstruction que les bases de référence matérielles traditionnelles.
Cet article propose un cadre hybride sémantique-lexical qui intègre le raisonnement fondé sur l'ontologie à la validation lexicale pilotée par le TAL pour améliorer significativement la détection d'anomalies contextuelles et la correction intelligente de données dans des ensembles de données textuelles hétérogènes, comme en témoigne une performance supérieure sur des données de santé polluées par rapport aux approches traditionnelles uniquement lexicales.