6439 articles
Le papier présente SPEX, un modèle de langage multimodal innovant qui exploite les informations spectrales via un nouvel ensemble de données d'instructions (SPIE) pour réaliser une extraction précise et interprétable des types de couverture terrestre sur des images de télédétection multispectrales, surpassant les méthodes actuelles.
Cette étude présente la première évaluation du 3D Gaussian Splatting sur des images fisheye à très grand champ de vue, démontrant que l'initialisation par profondeur via UniK3D surpasse les méthodes SfM traditionnelles pour surmonter les défis de distorsion et de reconstruction géométrique.
Cet article présente une validation expérimentale inédite de la communication radiofréquence à faible probabilité de détection en utilisant des radios logicielles, confirmant ainsi les limites théoriques de la loi racine carrée et ouvrant la voie à des systèmes de communication discrets pratiques.
Cet article propose un cadre unifié et sémantiquement ancré pour l'adaptation de domaine en segmentation d'images médicales, qui apprend une variété probabiliste d'anatomies génériques pour permettre une adaptation performante et interprétable sans nécessiter d'alignement explicite entre les domaines source et cible, que ceux-ci soient accessibles ou non.
Le papier présente Video-EM, un cadre d'apprentissage gratuit basé sur la mémoire épisodique centrée sur les événements qui transforme la compréhension de vidéos longues en une construction et un raffinement d'événements temporellement cohérents pour surmonter les limites des fenêtres contextuelles des modèles de langage vidéo.
Ce papier présente UniUGG, le premier cadre unifié exploitant un LLM et un décodeur spatial basé sur la diffusion latente pour réaliser simultanément la compréhension et la génération de scènes 3D à partir d'images de référence et de transformations de vue, tout en répondant à des questions visuelles spatiales grâce à une stratégie d'apprentissage combinant indices géométriques et sémantiques.
Le papier présente UniCast, un cadre multimodal économe en paramètres qui améliore les modèles de fondation pour les séries temporelles grâce à un prompting conditionné par l'instance et un routage dynamique des modalités, permettant une adaptation précise aux variations spécifiques de chaque cas sans modifier le modèle de base.
Le papier présente PhysGM, un cadre feed-forward novateur qui génère en une minute des simulations 4D réalistes à partir d'une seule image en prédisant conjointement des représentations gaussiennes 3D et des propriétés physiques, le tout entraîné sur le nouveau jeu de données PhysAssets et optimisé via DPO pour éviter les méthodes coûteuses.
Cet article propose un cadre d'estimation de pose humaine 3D basé sur la diffusion optimisé par une stratégie d'élagage temporel hiérarchique (HTP) qui réduit considérablement les coûts computationnels tout en maintenant des performances de pointe grâce à une élimination dynamique des tokens de pose redondants.
Le papier présente PointSlice, une méthode innovante de détection d'objets 3D qui transforme les nuages de points en tranches 2D et intègre un réseau d'interaction de tranches (SIN) pour atteindre un équilibre optimal entre précision et efficacité, surpassant les approches par voxels et piliers en termes de vitesse et de nombre de paramètres tout en maintenant des performances élevées sur plusieurs jeux de données de référence.
L'article présente AmphiKey, un protocole hybride post-quantique et classique conçu pour sécuriser les communications des réseaux intelligents grâce à deux modes opérationnels distincts offrant soit une authentification forte et non-répudiable, soit une authentification déniable, le tout validé par des performances optimisées sur des infrastructures hétérogènes allant des serveurs puissants aux appareils contraints comme le Raspberry Pi.
Cet article propose un nouveau cadre d'apprentissage fédéré mixte appelé MDM-MixMFL, qui utilise des stratégies de découplage et de mémorisation des modalités pour surmonter les hétérogénéités de données et de modalités dans la segmentation d'images IRM médicales distribuées.
Le papier présente UltraUPConvNet, un cadre universel et économe en calcul basé sur UPerNet et ConvNeXt, conçu pour réaliser simultanément la segmentation des tissus et la prédiction de maladies dans les images échographiques avec des performances de pointe.
Le papier présente Traffic-MLLM, un cadre d'apprentissage supervisé régulé par la curiosité qui remplace la recherche explicite de cas par un espace de cas structuré appris directement à partir de données multimodales, améliorant ainsi la robustesse et le raisonnement des systèmes de conduite autonome dans des scénarios de circulation complexes et à longue traîne.
L'article présente ActivePose, une approche active de l'estimation et du suivi de pose 6D qui combine un modèle vision-langage avec une « imagination robotique » et une politique de diffusion pour détecter et résoudre dynamiquement les ambiguïtés visuelles en temps réel, permettant ainsi une manipulation robotique plus fiable.
Inspiré par le périopode, ce papier démontre que l'oscillation active d'une queue sur un robot permet d'accélérer sa progression de 67 % sur des terrains granulaires déformables en fluidifiant le substrat et en réduisant la traînée, offrant ainsi de nouvelles directives pour la conception de robots destinés à l'agriculture, au sauvetage et à l'exploration environnementale.
Le papier propose SAGA, une méthode d'attention linéaire qui utilise des portes adaptatives sélectives et une décomposition de produit de Hadamard pour surmonter les limitations de redondance et de rang faible des approches existantes, offrant ainsi une efficacité computationnelle et une précision accrues sur des images haute résolution.
Cet article présente le Cumulative Consensus Score (CCS), une métrique d'évaluation sans étiquette et indépendante du modèle qui mesure la cohérence spatiale des détections d'objets via l'augmentation de données pour surveiller la fiabilité des modèles en déploiement réel.
Ce papier présente WHU-STree, un nouveau jeu de données multimodal et richement annoté collecté dans deux villes distinctes, conçu pour surmonter les limites des inventaires d'arbres urbains existants en permettant l'exécution de plus de dix tâches d'inventaire grâce à la fusion de nuages de points et d'images haute résolution.
Cet article présente un cadre d'apprentissage par renforcement asynchrone qui découple la perception et le contrôle pour permettre aux véhicules aériens autonomes de naviguer de manière agile et robuste à 100 Hz dans des environnements complexes, en surmontant les délais de perception grâce à un module d'encodage temporel et une stratégie de transfert sim-to-real réussie.