7176 articles
Cet article introduit la segmentation de requête visuelle (VQS) comme nouveau paradigme de localisation, accompagné du benchmark à grande échelle VQS-4K et de la méthode VQ-SAM, qui surpassent les approches existantes pour segmenter précisément toutes les occurrences d'un objet dans des vidéos non élaguées.
Cet article propose des principes de conception préliminaires pour des outils de prise de conscience de groupe augmentés par l'IA générative, qui utilisent des visualisations explicites de conflits cognitifs plutôt que des instructions directes pour favoriser un sens-making autonome et éviter une dépendance excessive à l'IA.
Ce papier présente PSANE, un cadre de navigation et d'exploration active qui exploite les mesures proprioceptives des interactions jambe-terrain pour apprendre un modèle de traversabilité et guider en temps réel des robots marcheurs de manière sûre dans des environnements planétaires granulaires inconnus.
Cet article présente un système de localisation magnétique sans infrastructure permettant à un drone léger de se positionner, de suivre et d'atterrir avec une précision centimétrique sur un robot quadrupède mobile, facilitant ainsi la collaboration autonome entre drones et véhicules terrestres dans des environnements inconnus.
Le défi MEGC2026 lance deux nouvelles tâches de question-réponse sur vidéo (ME-VQA et ME-LVQA) pour évaluer les capacités des modèles multimodaux à analyser les micro-expressions faciales, qu'elles soient courtes ou longues, en exploitant leurs puissantes capacités de raisonnement.
Le papier présente TIDE, une méthode d'extrapolation sans entraînement pour les Transformers de diffusion qui permet de générer des images à des résolutions et des ratios d'aspect arbitraires en corrigeant le déséquilibre entre les jetons de texte et d'image via un mécanisme d'ancrage textuel et en éliminant les artefacts grâce à un contrôle dynamique de la température.
Ce papier présente bsort, un algorithme de tri non basé sur la comparaison pour les entiers et les nombres à virgule flottante, qui atteint une complexité temporelle de et une complexité spatiale de tout en offrant des performances compétitives pour les petits mots de données.
Cet article présente un algorithme de streaming à un passage pour le problème de sélection d'intervalles unitaires dans un ordre aléatoire, atteignant un facteur d'approximation attendu de 0,7401 avec un espace linéaire par rapport à la solution optimale, tout en établissant des limites inférieures démontrant que toute amélioration significative nécessite un espace linéaire par rapport à la taille de l'entrée.
Cet article de recherche examine les promesses et les pièges de l'utilisation de l'IA générative dans la recherche qualitative en génie logiciel, en soulignant que cette technologie ne constitue pas une solution universelle et doit être adaptée avec précaution aux spécificités des stratégies de recherche et des données.
Le papier présente FAME, un cadre d'apprentissage par renforcement adaptatif aux forces qui permet à un humanoïde à échelle réelle de maintenir son équilibre et d'élargir son enveloppe de manipulation bimanuelle en estimant les forces d'interaction via la dynamique du robot, sans capteurs de couple aux poignets.
Cet article examine les opportunités et les défis de l'intégration de la réalité virtuelle et augmentée dans l'apprentissage des langues au sein de l'éducation publique, en soulignant leurs effets positifs sur la motivation et le contexte tout en identifiant des obstacles techniques et cognitifs qui nécessitent des stratégies d'implémentation ciblées.
Cette étude examine l'impact des degrés d'interactivité sur l'expérience utilisateur et l'acceptabilité sociale dans les applications de réalité augmentée mobile, en soulignant la nécessité d'une conception équilibrée qui intègre les considérations sociales aux évaluations d'utilisabilité.
Cette étude révèle que, parmi 22 participants, le niveau de triche lors d'examens simulés est identique entre les environnements de réalité virtuelle et ceux utilisant un ordinateur portable.
Le papier présente SVG-EAR, une méthode sans paramètres qui améliore l'efficacité de la génération vidéo par diffusion via un routage conscient de l'erreur et une compensation linéaire basée sur des centroïdes, permettant d'accélérer considérablement l'inférence tout en préservant la qualité visuelle.
Le papier présente SurgCalib, un cadre de calibration main-œil sans marqueur basé sur le Gaussian Splatting pour les robots chirurgicaux da Vinci, qui surmonte les imprécisions des encodeurs et les contraintes de stérilité en affinant la pose de l'instrument via une optimisation différentiable sous contrainte RCM.
Cet article présente trois améliorations pour transformer la main robotique Inspire RH56DFX en outil de recherche fiable : une caractérisation matérielle, un modèle MuJoCo validé pour la planification de préhension et un contrôleur hybride vitesse-force, permettant d'atteindre des taux de réussite supérieurs sur des tâches d'insertion et de préhension d'objets divers.
Le papier présente SkipGS, une méthode plug-and-play qui accélère l'entraînement de la 3DGS en sautant sélectivement les passes de rétropropagation lors de la phase de raffinement post-densification lorsque les pertes par vue sont stables, réduisant ainsi le temps d'entraînement global de 23,1 % sans compromettre la qualité de reconstruction.
Cet article propose un cadre d'authentification multimodal basé sur la diffusion et conditionné par l'identité de l'imprimante, qui surpasse les méthodes traditionnelles pour détecter les contrefaçons de motifs de détection de copie en exploitant les signatures spécifiques des appareils.
Cette étude démontre que, bien que les agents d'IA puissent générer des microservices fonctionnels avec un code de qualité et une bonne adhérence aux contrats d'API, leur incapacité à garantir une cohérence parfaite et leur dépendance à une supervision humaine signifient que la génération entièrement autonome n'est pas encore réalisable.
Cette étude démontre que l'agréabilité des assistants vocaux basés sur les LLM améliore la confiance et l'empathie perçues par les personnes âgées dans les situations courantes, mais que cette préférence s'atténue en cas d'urgence où la clarté prime, soulignant la nécessité d'adapter l'explicabilité de l'IA au contexte et à la personnalité de l'utilisateur.