Too Vivid to Be Real? Benchmarking and Calibrating Generative Color Fidelity

Cet article présente un cadre complet incluant un jeu de données, une métrique d'évaluation et une méthode de raffinement sans entraînement pour corriger le biais de vivacité excessive des modèles de génération d'images et améliorer leur fidélité chromatique par rapport à la photographie réelle.

Zhengyao Fang, Zexi Jia, Yijia Zhong, Pengcheng Luo, Jinchao Zhang, Guangming Lu, Jun Yu, Wenjie Pei2026-03-12💻 cs

TreeON: Reconstructing 3D Tree Point Clouds from Orthophotos and Heightmaps

Le papier présente TreeON, un cadre neuronal novateur capable de reconstruire des nuages de points 3D détaillés d'arbres à partir d'une seule orthophoto et d'un modèle numérique de surface, en utilisant une stratégie d'apprentissage supervisé combinant des pertes géométriques et d'ombres pour généraliser efficacement aux données réelles sans nécessiter de scans laser au sol.

Angeliki Grammatikaki, Johannes Eschner, Pedro Hermosilla, Oscar Argudo, Manuela Waldner2026-03-12💻 cs

Measurement-Driven O-RAN Diagnostics with Tail Latency and Scheduler Indicators

Cette étude propose une méthode de diagnostic O-RAN axée sur les mesures réelles qui, en analysant conjointement la latence de queue et les indicateurs de la couche radio, révèle des différences dépendantes de l'équipement utilisateur et des dynamiques radio invisibles aux métriques moyennes, permettant ainsi de définir des indicateurs de dégradation légers pour le suivi pratique.

Theofanis P. Raptis, Weronika Maria Bachan, Roberto Verdone2026-03-12💻 cs

DynVLA: Learning World Dynamics for Action Reasoning in Autonomous Driving

Le papier présente DynVLA, un modèle de conduite VLA qui améliore la prise de décision autonome en introduisant un nouveau paradigme de « chaîne de pensée » basé sur la dynamique (Dynamics CoT), permettant de prédire de manière compacte et interprétable l'évolution du monde avant de générer des actions.

Shuyao Shang, Bing Zhan, Yunfei Yan, Yuqi Wang, Yingyan Li, Yasong An, Xiaoman Wang, Jierui Liu, Lu Hou, Lue Fan, Zhaoxiang Zhang, Tieniu Tan2026-03-12💻 cs

Excess demand in public transportation systems: The case of Pittsburgh's Port Authority

Cette étude propose un cadre méthodologique combinant l'identification d'instances de demande excédentaire et un modèle de régression de Poisson filtré pour estimer la demande non satisfaite dans les systèmes de transport public, en appliquant cette approche aux données de la Port Authority de Pittsburgh pour corriger les biais liés aux données censurées.

Tianfang Ma, Robizon Khubulashvili, Sera Linardi, Konstantinos Pelechrinis2026-03-11💻 cs

Implicit Biases in Refereeing: Lessons from NBA Referees

Cette étude réexamine les biais implicites dans le arbitrage de la NBA en utilisant des données de jeu et des rapports des deux dernières minutes, révélant un avantage significatif pour les équipes à domicile (atténué depuis la pandémie) et des préférences individuelles pour certains joueurs, tout en ne trouvant aucune preuve de biais racial ou de défaveur envers des équipes ou des joueurs spécifiques.

Konstantinos Pelechrinis2026-03-11💻 cs