6418 articles
Ce papier présente LINO UniPS, une méthode de stéréophotométrie universelle qui utilise des jetons d'enregistrement lumineux et une attention entrelacée pour découpler l'éclairage des normales, ainsi qu'une architecture à double branche basée sur les ondelettes pour préserver les détails géométriques, le tout entraîné sur le nouveau jeu de données PS-Verse pour atteindre des performances de pointe.
Cet article propose un cadre novateur pour la segmentation d'objets camouflés en vocabulaire ouvert, qui utilise un modèle de langage-vision partagé pour guider le modèle SAM dans la localisation précise des objets et fournir un contexte spatial complet pour leur classification, surmontant ainsi les limites des approches précédentes.
Ce papier présente WaLi, une attaque de confidentialité qui reconstruit des discours intelligibles à partir des données de capteurs de pression des systèmes HVAC en utilisant un transformateur complexe et des blocs d'attention globale pour surmonter le bruit et la faible résolution, révélant ainsi une nouvelle vulnérabilité de sécurité dans ces infrastructures.
Le papier présente SUBARU, une approche pratique qui réduit la consommation énergétique des appareils auditifs en utilisant un sous-échantillonnage et une résolution binaire faible, tout en restaurant la qualité audio via un suréchantillonnage pour le traitement de la parole en temps réel.
Ce papier présente VTOPA, un algorithme de positionnement autonome assisté par vision pour les drones qui optimise la connectivité sans fil en milieu urbain en détectant les obstacles et la demande utilisateur pour maximiser le débit et réduire la latence.
Ce papier propose LD-RPS, une méthode unifiée et sans jeu de données pour la restauration d'images qui exploite l'échantillonnage récursif de l'arrière-plan d'un modèle de diffusion latent préentraîné, enrichi par des priors sémantiques multimodaux, pour surpasser les méthodes actuelles dans la gestion de diverses dégradations sans nécessiter de données appariées.
Cet article propose la méthode QAA (Query-based Adaptive Aggregation), une nouvelle technique d'agrégation de caractéristiques qui utilise des requêtes apprises pour surmonter les biais spécifiques aux ensembles de données et permettre un entraînement conjoint multi-ensembles efficace, améliorant ainsi la généralisation et la performance universelle de la reconnaissance visuelle de lieux.
Ce papier présente hPGA-DP, une nouvelle politique de diffusion hybride intégrant l'algèbre géométrique projective dans son architecture pour améliorer l'efficacité de l'apprentissage et la convergence des tâches de manipulation robotique.
Cet article propose MCULoRA, une nouvelle approche d'adaptation faible rang dynamique et découplée par modalité qui surpasse les méthodes existantes pour la reconnaissance des émotions en résolvant les conflits de gradients lors de l'apprentissage avec des données multimodales incomplètes.
Ce papier propose Mamba Snake, un cadre innovant de segmentation unifiée d'images médicales qui combine la modélisation par espace d'états et des mécanismes de type « snake » pour surmonter les défis de l'hétérogénéité structurelle et améliorer la précision anatomique.
Le papier présente , un réseau de neurones feed-forward permutation-équivariant qui reconstruit la géométrie visuelle sans dépendre d'une vue de référence fixe, surpassant ainsi les méthodes précédentes en précision et en robustesse pour des tâches telles que l'estimation de pose, la profondeur et la reconstruction de nuages de points.
Cet article propose un cadre d'apprentissage profond basé sur les Vision Transformers (ViT) et utilisant des données Sentinel-2 et Formosat-5 pour affiner la segmentation des zones sinistrées via une approche d'apprentissage faible supervision, améliorant ainsi la fiabilité des produits d'urgence (EVAP) développés par l'agence spatiale taïwanaise (TASA).
Cet article propose une étude approfondie et une taxonomie des approches d'auto-échellement pour les applications microservices depuis 2018, en analysant leurs mécanismes, leurs objectifs d'optimisation et leurs performances pour garantir l'efficacité des ressources tout en respectant les accords de niveau de service.
Le papier présente BrownoutServe, un cadre d'inférence innovant pour les grands modèles de langage basés sur l'architecture MoE qui optimise le débit et réduit les violations d'objectifs de niveau de service (SLO) lors de charges de travail imprévisibles grâce à l'intégration d'experts unifiés et à un mécanisme d'assèchement dynamique.
Cet article présente C-Koordinator, une solution open-source déployée chez Alibaba qui améliore l'efficacité des clusters de microservices à grande échelle en co-localisation grâce à des stratégies de gestion d'interférences basées sur la prédiction précise du CPI, réduisant ainsi la latence des applications de 16,7 % à 36,1 %.
Cet article présente un nouveau capteur tactile à roulement intégrant une caméra neuromorphique qui permet une inspection 3D rapide et continue de grandes surfaces industrielles avec une précision sub-100 microns, surpassant les méthodes existantes par sa vitesse et sa robustesse au flou de mouvement.
Cet article explore l'application de l'exécution symbolique dynamique pour analyser les différences sémantiques dans les architectures composants-connecteurs modélisées avec MontiArc, révélant son potentiel tout en soulignant les défis de scalabilité qui limitent son utilisation pratique sur de grands systèmes.
Cet article présente MIDAR, un modèle de capteur substitut qui enrichit les simulateurs de trafic microscopiques avec une perception LiDAR réaliste et évolutive en utilisant des graphes de visibilité et des transformateurs géométriques, permettant ainsi une évaluation précise des applications de systèmes de transport intelligents sans coût computationnel excessif.
Cette étude présente TransUNet-GradCAM, un modèle hybride combinant Transformers et U-Net qui, grâce à son mécanisme d'attention globale et à ses visualisations explicatives, réalise une segmentation précise et généralisable des ulcères diabétiques du pied sur plusieurs jeux de données cliniques.
L'article présente S²Q-VDiT, un cadre de quantification post-entraînement pour les transformateurs de diffusion vidéo qui combine une sélection de données saillantes basée sur l'Hessien et une distillation de tokens épars guidée par l'attention pour atteindre des performances sans perte avec une compression et une accélération significatives.