6583 articles
Ce projet présente MediTools, une application prototype exploitant les grands modèles de langage pour révolutionner l'éducation médicale via des simulations cliniques interactives, l'analyse assistée d'articles de recherche et des résumés d'actualités, dont l'efficacité est évaluée par une enquête auprès de professionnels et d'étudiants.
Cet article propose une taxonomie et des directives de conception pour les protocoles d'accès au support (MAC) dans les systèmes 6G, en articulant une coexistence entre les communications de type « push » et « pull » pour répondre aux exigences de l'IA et de la communication axée sur les objectifs.
Cet article présente un nouveau modèle de complétion d'instances par nuage de points qui intègre des contraintes de scène via un mécanisme d'attention croisée pour améliorer la qualité et la plausibilité des reconstructions, et introduit le jeu de données ScanWCF pour évaluer cette tâche dans des scènes intérieures.
Cet article présente LEL, un cadre d'apprentissage d'ensemble contraint par la continuité de Lipschitz qui améliore la stabilité, la précision et la robustesse de la reconnaissance des émotions à partir de signaux EEG intra-sujets en combinant des mécanismes d'attention basés sur les Transformers avec une stratégie de fusion optimisée, validée par des résultats supérieurs sur trois jeux de données publics.
Le papier présente GeoNav, un agent multimodal qui améliore la navigation aérienne vers des objectifs textuels en milieu urbain grâce à un raisonnement géospatial à double échelle combinant une carte cognitive globale et un graphe de scène local, surpassant ainsi les méthodes actuelles sur le benchmark CityNav.
Ce papier propose un cadre de communication orienté tâche, baptisé O-VIB, qui utilise un encodeur à goulot d'information variationnel avec contrainte orthogonale et détermination automatique de la pertinence pour compresser efficacement les caractéristiques multi-vues et permettre une localisation visuelle précise sur des plateformes mobiles aux ressources limitées dans des environnements urbains.
Cette étude compare quatre algorithmes d'optimisation de la pose de base pour les robots industriels et démontre que, bien que tous réduisent le temps de cycle, la descente de gradient stochastique offre le taux de réussite le plus élevé tandis que les algorithmes génétiques minimisent le mieux les coûts finaux.
Ce papier propose SFIBA, une attaque par porte dérobée invisible et spatiale qui permet de cibler simultanément toutes les classes dans un scénario boîte noire en injectant des déclencheurs spécifiques dans des régions locales via une méthode basée sur le domaine fréquentiel, garantissant ainsi à la fois une efficacité d'attaque élevée et une imperceptibilité visuelle.
Cette étude présente une approche holistique optimisant conjointement la composition, le positionnement de la base et la trajectoire de robots modulaires pour réduire le temps de cycle des tâches industrielles, démontrant des gains de performance significatifs et une faisabilité en conditions réelles.
Cet article propose une approche de routage coordonné utilisant des véhicules connectés et automatisés dans des voies réservées aux bus pour améliorer, grâce à des données en temps réel, à la fois la ponctualité des transports en commun et l'efficacité du trafic dans un environnement mixte.
Une étude randomisée auprès de 94 conseillers novices démontre que l'entraînement par simulation avec un grand modèle de langage, couplé à un retour d'information structuré, améliore significativement les compétences microtechniques et l'empathie, contrairement à la pratique seule qui s'avère inefficace ou même préjudiciable.
Ce papier présente DeepSparse, un modèle fondation innovant pour la reconstruction CBCT à vues éparses, qui intègre une architecture DiCE et une stratégie de préentraînement HyViP pour surmonter les limites des méthodes existantes en matière de qualité d'image, de généralisation et de coût computationnel, permettant ainsi une imagerie médicale plus sûre et efficace.
Ce papier présente HEXGEN-FLOW, un cadre de planification hiérarchique et adaptatif conçu pour optimiser l'exécution des requêtes Text-to-SQL agentic sur des clusters de GPU hétérogènes, réduisant ainsi significativement la latence et augmentant le débit par rapport aux solutions existantes.
Ce papier présente M³CAD, un benchmark complet et multimodal de 30 000 images conçu pour faire progresser la recherche sur la conduite autonome coopérative générique, en évaluant des tâches multiples et en proposant une nouvelle approche de fusion adaptative pour optimiser l'équilibre entre efficacité de communication et précision de perception.
Ce papier présente FoldNet, une approche qui génère un jeu de données synthétique basé sur des points clés et des textures réalistes pour entraîner, via l'apprentissage par imitation en boucle fermée et la méthode KG-DAgger, une politique de pliage de vêtements généralisable et robuste atteignant un taux de réussite de 75 % dans le monde réel.
Le papier propose Diffusion-SAFE, un cadre de boucle fermée basé sur des modèles de diffusion pour la conduite partagée, qui détecte les risques et effectue des transferts de contrôle fluides et sûrs en ajustant continuellement le niveau d'intervention du copilote par rapport à l'intention humaine.
Le papier présente MTVCraft, un cadre pionnier qui tokenise directement les séquences de mouvement 3D en tokens 4D pour animer des personnages à partir d'images, surpassant les méthodes existantes basées sur des poses 2D grâce à une meilleure généralisation zéro-shot et un contrôle plus flexible.
Cette étude démontre que, dans les tâches de travail assistées par l'IA, la charge cognitive extrinsèque a un impact négatif sur la performance trois fois plus fort que la charge intrinsèque, affectant davantage les professionnels moins expérimentés qui, paradoxalement, n'augmentent pas leur utilisation de l'IA sous charge.
Cette étude présente et évalue les algorithmes de flux de puissance et de flux de puissance optimal adiabatiques quantiques (AQPF et AQOPF), qui reformulent ces problèmes sous forme d'optimisation combinatoire discrète, en démontrant leur capacité à reproduire des solutions réalisables et leur scalabilité prometteuse sur des systèmes quantiques et des recuits numériques pour des réseaux allant de 4 à 1354 nœuds.
Cette étude propose une nouvelle représentation des environnements protéiques locaux dérivée des modèles de fondation atomistiques, démontrant son efficacité pour capturer la structure et la chimie locales, établir des priors de données et réaliser des prédictions de décalages chimiques NMR à l'état de l'art.