8035 articles
Cet article confirme la conjecture de Rivest vieille de 50 ans en démontrant que la règle de transposition, une procédure sans mémoire, atteint un coût d'accès espéré dans la distribution stationnaire d'au plus OPT + 1 pour le problème de mise à jour de liste en modèle i.i.d.
Cet article présente un système de navigation « Teach and Repeat » résilient aux dégénérescences géométriques utilisant un lidar FMCW, qui combine l'odométrie Doppler et une localisation adaptative pour assurer une navigation autonome fiable dans des environnements à structure pauvre où les méthodes ICP conventionnelles échouent.
Cet article généralise les opérations de sommes convexes et concaves pour les chirotopes afin d'obtenir une estimation asymptotique précise du nombre de triangulations du double cercle en utilisant une équation fonctionnelle et la méthode du noyau.
ID-LoRA est une méthode novatrice qui génère simultanément l'apparence visuelle et la voix d'un sujet dans un seul passage de diffusion, en utilisant des techniques de LoRA contextuel et de guidage d'identité pour surpasser les modèles existants en termes de similarité vocale et de cohérence audio-vidéo.
Cet article propose une nouvelle approche de compression des réseaux centrés sur l'ego en utilisant une décomposition triadique des deux-paths et des constructions de quotient qui garantissent, via un théorème de transfert sûr, la préservation de la masse des marches de longueur deux avec une erreur explicite.
Ce papier présente la conception d'un système de dialyse assisté par robot, développé grâce à une approche centrée sur l'utilisateur et validée par des études d'utilisabilité, visant à réduire la charge de travail des scientifiques lors de procédures chimiques longues et répétitives.
Cette étude propose MALTA, un cadre d'évaluation intégrant des signaux de maintenance pour identifier les dépendances logicielles à haut risque d'abandon que les métriques traditionnelles de retard technique (Version Lag) ne détectent pas, révélant ainsi que 62,2 % des paquets jugés « à faible risque » sont en réalité en déclin critique.
Cet article présente un cadre d'apprentissage profond robuste pour la reconnaissance des plaques d'immatriculation bengalies, combinant une localisation optimisée via YOLOv8 et une reconnaissance de texte par un modèle Vision-Language (ViT + BanglaBERT), atteignant une précision de 97,83 % et démontrant une grande efficacité dans des conditions réelles variées.
Le papier présente SpecOps, un cadre de test entièrement automatisé utilisant des agents LLM spécialisés pour évaluer de manière efficace et rentable la fiabilité des agents IA basés sur des interfaces graphiques dans des environnements réels, surpassant les méthodes existantes en précision de planification et en détection de bugs.
Ce papier présente HiFIVE, un cadre de gestion de données qui résout le problème NP-complet de la réduction de tuiles vectorielles en préservant la fidélité visuelle et les performances interactives à l'échelle du téraoctet grâce à une approche en deux étapes combinant tri et épuration.
Cette étude présente un système d'Entropie Quantique en tant que Service (QEaaS) pour les systèmes embarqués, démontrant que l'utilisation de protocoles post-quantiques sur ESP32 permet non seulement d'assurer une haute qualité d'entropie via des canaux sécurisés, mais aussi d'obtenir des performances de handshake DTLS 1.3 supérieures à celles des méthodes classiques.
L'article propose UF-OPS, une méthode de guidage on-policy sans mise à jour qui utilise des fonctions vérificatrices entraînées sur des données de déployage pour orienter les politiques de base vers des actions plus susceptibles de réussir, améliorant ainsi de 49 % en moyenne le taux de réussite sur des tâches réelles sans modifier les paramètres du modèle.
Cet article étudie la complexité computationnelle et la distorsion utilitaire du vote par élimination instantanée (IRV) sur des graphes, démontrant que la vérification et le calcul des zones d'exclusion sont polynomiaux sur les arbres mais NP-difficiles sur les graphes généraux, tout en établissant des bornes de distorsion pour divers scénarios.
Ce papier présente DeepIntuit, un cadre de raisonnement intrinsèque qui transforme la classification vidéo d'instances ouvertes en passant de l'imitation à l'intuition grâce à une alignement supervisé, un raffinement par optimisation de politique et une calibration intuitive, surpassant ainsi les modèles traditionnels face aux variations complexes des données réelles.
Ce papier présente ReST-RL, une architecture d'apprentissage par renforcement hiérarchique qui, en découplant la locomotion de la stabilisation de la charge via un module résiduel, permet aux humanoïdes de transporter des plateaux de manière robuste et précise, avec une généralisation réussie de la simulation à la réalité sur le robot Unitree G1.
Cette étude préliminaire utilise l'analyse des réseaux de transition appliquée aux données de suivi oculaire dans des simulations de réanimation cardiaque en réalité virtuelle pour modéliser la dynamique de la conscience situationnelle et révéler comment la répartition de l'attention visuelle s'adapte aux rôles et aux phases de la tâche au sein d'équipes cliniques.
Le papier propose PRoADS, un cadre de stéganographie audio basé sur les modèles de diffusion qui garantit sécurité et robustesse grâce à une projection matricielle orthogonale et à des techniques d'optimisation latente et d'inversion d'Euler, permettant d'atteindre un taux d'erreur de bits extrêmement faible de 0,15 % même après compression MP3.
Cette étude démontre que les filigranes numériques actuels, qu'ils opèrent dans le domaine spatial ou latent, possèdent des vulnérabilités mathématiquement orthogonales et mutuellement exclusives face aux outils d'édition générative moderne, révélant ainsi l'insuffisance des approches mono-domaine pour assurer une provenance numérique robuste.
Ce papier présente FC-4DFS, une méthode innovante de synthèse d'expressions faciales 4D qui utilise un réseau LSTM contrôlé par fréquence et une perte de cohérence temporelle pour générer des séquences d'expressions flexibles, fluides et précises à partir de repères neutres.
Le papier présente « Fuel Gauge », une méthode innovante qui prédit à l'avance la longueur du processus de raisonnement (Chain-of-Thought) des grands modèles multimodaux en estimant un paramètre de « carburant » caché, permettant ainsi d'optimiser l'allocation de mémoire et d'améliorer la précision en évitant les raisonnements insuffisants ou excessifs.