7790 articles
Ce papier propose la Guidance par Dégradation de Condition (CDG), une méthode légère qui remplace le prompt nul par une condition sémantiquement dégradée pour améliorer la précision des modèles de diffusion dans les tâches de composition complexes.
Cet article présente LGA-RCM-YOLO, un modèle d'instance de segmentation des interfaces de phase basé sur YOLO11m et entraîné sur le jeu de données CTG 2.0, qui permet une surveillance visuelle fiable et en temps réel des processus chimiques en laboratoire, notamment dans des verreries transparentes.
En analysant la dynamique d'optimisation du Flow Matching sous l'angle d'une forme quadratique régie par un noyau NTK, cette étude propose l'alignement de la granularité sémantique (SGA) pour atténuer les conflits de gradients et améliorer l'efficacité de la synthèse d'images texte-à-image.
Cette étude remet en question la fiabilité du benchmark EVMbench en démontrant que les agents d'IA actuels, dont les performances varient selon la configuration et sont limitées par des risques de contamination des données, ne peuvent pas encore remplacer l'audit humain mais doivent être intégrés dans un flux de travail collaboratif pour la sécurité des contrats intelligents.
Le papier propose PolGS++, un cadre de reconstruction rapide de surfaces réfléchissantes qui intègre un modèle de BRDF polarisée et un mécanisme de masque de visibilité guidé par la profondeur dans le Splatting Gaussien 3D pour améliorer la précision géométrique et le rendu sans nécessiter de traçage de rayons coûteux.
Cette étude explore la représentation des attaques par porte dérobée dans les Transformers visuels en identifiant et en validant causalement une « direction de déclencheur » spécifique, permettant de distinguer les mécanismes internes des différents types de déclencheurs et de proposer une méthode de détection sans données.
Cet article propose une représentation généralisée de datacubes sous forme d'arbres compressés au sein du framework Polytope, permettant une extraction de caractéristiques efficace et flexible pour des données terrestres complexes, irrégulières et hiérarchiques que les modèles traditionnels peinent à gérer.
Ce papier présente HanMoVLM, un modèle vision-langage spécialisé dans l'évaluation experte des peintures chinoises grâce à un raisonnement de type chaîne de pensée validé par des experts et un nouveau jeu de données HanMo-Bench, permettant d'améliorer la génération d'images artistiques en servant de vérificateur de haute qualité.
Ce papier présente MEDISEG, un nouveau jeu de données d'images de médicaments avec des masques de segmentation d'instances couvrant 32 types de pilules dans des conditions réalistes complexes, conçu pour améliorer la reconnaissance par IA et prévenir les erreurs médicamenteuses.
Cette étude développe un cadre spatial explicite en République tchèque pour démontrer que les relations entre la démographie et la forme bâtie sont linéaires mais conditionnées spatialement, révélant ainsi comment certains types de bâti renforcent les inégalités socio-spatiales.
Cette étude évalue la reconnaissance de médicaments en contexte de few-shot learning sous des décalages de domaine visuels, démontrant que si la classification sémantique s'adapte rapidement avec peu d'exemples, la robustesse de la localisation dans des scènes encombrées dépend crucialement de la réalisme des données d'entraînement.
Le papier présente MAD, une approche innovante combinant l'allocation mémoire et la diversité logicielle pour contrer les attaques RowHammer en retardant leur succès grâce à des techniques de diversification spatiale, le tout avec une mise en œuvre facile et un impact de performance négligeable.
Cet article propose une analyse topologique des flux dans les plateformes serverless utilisant la décomposition de Hodge pour distinguer les erreurs locales des modes harmoniques structurels, permettant ainsi de développer des stratégies de remédiation pratiques comme l'introduction d'effets de « drainage » pour contenir les inefficacités sans restructurer l'architecture.
L'article présente UltrasoundAgents, un cadre d'agents multiples hiérarchique qui imite le flux de travail clinique du diagnostic échographique mammaire en localisant les lésions, en analysant des attributs locaux spécifiques et en intégrant ces preuves pour un raisonnement traçable et précis, le tout optimisé par une stratégie d'entraînement progressive pour atténuer la propagation des erreurs.
L'article présente OSUM-Pangu, un modèle fondamental de compréhension de la parole open-source entièrement développé sur la pile logicielle et matérielle non-CUDA des NPU Ascend, qui atteint des performances comparables aux modèles basés sur GPU tout en favorisant l'évolution indépendante de l'intelligence multimodale.
Ce papier propose le DIPE (Distance Invariant Position Encoding), un mécanisme simple qui atténue le phénomène d'effacement visuel dans les modèles multimodaux à long contexte en neutralisant la pénalité de distance inter-modale inhérente au Multimodal RoPE, tout en préservant la structure locale intra-modale.
Cette étude menée auprès d'étudiants développeurs révèle que la perception du sentiment des messages est fortement dépendante du contenu spécifique des énoncés et de la variabilité individuelle, plutôt que d'être systématiquement influencée par des facteurs contextuels comme les phases de projet ou les dynamiques de groupe.
Ce papier présente FG-CLTP, un cadre de préentraînement contrastif qui intègre des états de contact quantitatifs et des nuages de points 3D dans des modèles vision-langage-action pour améliorer la précision et la généralisation des tâches de manipulation robotique.
Cet article propose BiLaLoRA, une méthode de déhazing d'images réelles qui combine une perte guidée par le texte via CLIP pour l'apprentissage non supervisé et une stratégie d'adaptation LoRA à deux niveaux pour optimiser automatiquement les couches critiques du réseau.
Les auteurs proposent une architecture hiérarchique couplant apprentissage par renforcement et contrôle prédictif de modèle pour générer des gaites acycliques et des commandes de navigation, validée avec succès sur plusieurs plateformes robotiques allant de 50 à 120 kg, y compris un transfert zéro-shot vers le robot Centauro sans randomisation de domaine.