7326 articles
Le papier propose le Progressive Split-Mamba (PS-Mamba), un cadre hiérarchique d'espace d'états qui préserve la topologie spatiale et atténue la décroissance à longue portée grâce à un partitionnement géométrique progressif et des connexions croisées symétriques, surpassant ainsi les modèles existants en restauration d'images.
Le papier présente SAGE, le premier modèle de langage multimodal (MLLM) 3D de bout en bout qui traite directement les nuages de points bruts comme une « langue étrangère » via un tokeniseur léger et une optimisation par préférence, surpassant ainsi les méthodes existantes en efficacité computationnelle et en robustesse.
Ce papier présente STONE, un ensemble de données multi-modal à grande échelle pour la navigation hors route, qui fournit des cartes de traversabilité 3D générées automatiquement sans annotation manuelle grâce à une fusion de LiDAR, de caméras et de radars, tout en établissant un nouveau benchmark pour la prédiction de traversabilité.
Cette étude évalue l'efficacité pratique du réglage d'index piloté par les grands modèles de langage (LLM) en le comparant à l'outil DTA de Microsoft, révélant que bien que les LLM puissent identifier des configurations supérieures dans certains cas, leur adoption en production reste limitée par une forte variabilité des performances et des coûts de validation élevés.
Ce papier propose un cadre de planification robuste pour la course autonome multi-agents, combinant l'identification topologique des opportunités de dépassement via des processus gaussiens et un MPC accéléré par un solveur PTC, permettant des manœuvres plus rapides et plus sûres avec une latence réduite sur la plateforme F1TENTH.
ZipPIR est un nouveau protocole PIR mono-serveur à haut débit qui élimine le besoin de stockage côté client en comprimant les chiffrés RLWE en des chiffrés Paillier plus compacts, permettant ainsi des performances comparables aux solutions de l'état de l'art tout en supportant des bases de données dynamiques.
Cet article propose un cadre hiérarchique basé sur la boucle OODA (Observer-Orienter-Déterminer-Agir) réparti sur les couches cloud-edge-terminal et utilisant la virtualisation des fonctions réseau, afin d'améliorer l'autonomie décisionnelle et la coopération des essaims de drones dans des environnements incertains.
Le papier présente WESPR, un cadre rapide qui intègre la perception géométrique et les données météorologiques locales pour prédire les champs de vent induits par l'environnement, permettant ainsi à un drone quadricoptère d'adapter proactivement sa planification de trajectoire et son contrôle pour améliorer la stabilité et réduire les déviations dans des conditions turbulentes.
Ce papier propose un cadre d'apprentissage métrique géométrique utilisant des descripteurs d'angles inter-articulaires invariants pour améliorer la reconnaissance de la langue des signes en contexte few-shot et cross-lingual, surpassant les méthodes basées sur les coordonnées normalisées grâce à une robustesse accrue face aux variations de vue et d'échelle.
Ce papier présente PIM-SHERPA, une méthode logicielle qui résout les incohérences d'attributs et de mise en page de la mémoire dans les systèmes PIM pour permettre une inférence efficace de grands modèles de langage sur appareil, en utilisant des techniques de double tamponnage ou de réorganisation en ligne pour économiser jusqu'à 49,7 % de capacité mémoire tout en maintenant des performances optimales.
Le papier présente TubeMLLM, un modèle fondamental unifié qui améliore la perception et la génération d'anatomies vasculaires en intégrant des prières topologiques via des prompts naturels, démontrant ainsi des performances supérieures en généralisation hors distribution et en transfert cross-modalité sur le benchmark multimodal TubeMData.
Ce papier propose une nouvelle fonction de perte pour entraîner un réseau de neurones convolutifs distribué (DisCNN) afin d'extraire et de reconnaître uniquement les caractéristiques d'une classe positive spécifique, permettant ainsi une détection d'objets efficace dans des arrière-plans complexes grâce à une architecture légère et une excellente généralisation.
Le papier présente UniField, un cadre unifié d'amélioration IRM qui surpasse les méthodes existantes en exploitant des modèles de fondation 3D pré-entraînés, en intégrant un mécanisme de rectification spectrale conscient du champ physique pour préserver les détails, et en libérant un jeu de données multi-champs massif pour améliorer la généralisation.
Le papier présente TRIP-Bag, un système de téléopération portable et plug-and-play contenu dans une valise commerciale, conçu pour faciliter la collecte rapide de données de manipulation de haute fidélité par des utilisateurs non experts dans divers environnements afin d'améliorer l'apprentissage robotique.
Ce papier présente Flash-KMeans, une implémentation GPU optimisée qui transforme l'algorithme K-Means en primitive en ligne en éliminant les goulots d'étranglement d'E/S et de contention matérielle grâce à des innovations de noyau comme FlashAssign et la mise à jour par inversion de tri, permettant ainsi des accélérations allant jusqu'à 17,9 fois par rapport aux meilleures solutions existantes.
HelixTrack est une méthode entièrement événementielle qui permet le suivi en temps réel et l'estimation précise du régime de rotation (RPM) d'objets propulseurs en mouvement, surpassant les approches traditionnelles grâce à un filtrage de Kalman et à l'introduction du nouveau jeu de données TQE.
Ce papier présente MORLAX, un algorithme d'apprentissage par renforcement multi-objectif natif pour GPU, et MO-Playground, un environnement d'entraînement accéléré par GPU, qui permettent ensemble d'approximer des ensembles de Pareto pour des problèmes robotiques complexes avec une accélération de 25 à 270 fois par rapport aux approches CPU traditionnelles.
Le papier propose RAE-NWM, un modèle de monde de navigation qui opère dans un espace de représentation visuelle dense (DINOv2) plutôt que dans un espace latent compressé, afin de préserver les informations structurelles fines et d'améliorer la précision du contrôle et de la planification grâce à l'utilisation d'un transformateur de diffusion conditionnel.
Ce papier propose le module Geometric Semantic Decoupling (GSD), une méthode sans paramètres qui améliore la généralisation des détecteurs d'images générées par IA en éliminant les raccourcis sémantiques pour forcer le modèle à se concentrer sur des preuves de falsification invariantes.
Ce papier présente Poly-DETR, un transformateur de détection de polygones qui reformule la segmentation d'instances comme une régression de sommets via une représentation polaire pour résoudre le compromis entre haute résolution et inférence légère, surpassant les méthodes existantes en précision et en efficacité mémoire.