3447 articles
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.
L'article présente VoxCare, un système portable scalable qui analyse en temps réel les comportements de communication naturelle des soignants hospitaliers via l'audio égo-centrique sans stocker les enregistrements bruts, afin d'évaluer leur charge de travail et d'améliorer la prestation de soins.
Ce papier présente S2D, une nouvelle pipeline qui combine un modèle de diffusion pour corriger les artefacts d'images et une stratégie de reconstruction robuste pour transformer des nuages de points épars en scènes 3D de haute qualité via le Splatting Gaussien 3D, permettant ainsi une reconstruction avec un nombre minimal d'images d'entrée.
Cet article formalise la sélection de réponses DNS autoritatives comme un domaine sémantique borné par les contraintes du protocole, prouvant que toute fonction d'admissibilité admet une forme normale finie et possède une structure algébrique permettant un raisonnement précis sur l'équivalence et la composition des systèmes hétérogènes.
Cette étude analyse l'influence des architectures de réseaux de neurones convolutifs sur la précision des modèles et l'efficacité computationnelle dans les environnements d'apprentissage distribués, comblant ainsi un vide dans la compréhension de l'impact de ces modèles sur les ressources informatiques.
Cet article propose une méthode d'inférence multi-étapes sans entraînement pour l'extraction de locuteur cible, qui affine itérativement la sortie d'un modèle pré-entraîné figé et introduit une optimisation conjointe de métriques pour équilibrer les performances avec ou sans vérité terrain.
Cette étude présente une nouvelle architecture de détection des lésions du cancer oral utilisant deux implémentations RPA optimisées, dont la version OC-RPAv2, qui réduit le temps de prédiction à 0,06 seconde par image grâce à l'utilisation du patron de conception Singleton et du traitement par lots, offrant ainsi une amélioration d'efficacité de 60 à 100 fois par rapport aux méthodes standards.
Cet article présente un cadre d'apprentissage par imitation à vie qui améliore continuellement les politiques grâce à une réplay multimodale dans un espace latent et un ajustement incrémental des caractéristiques, établissant ainsi un nouvel état de l'art sur les benchmarks LIBERO avec une réduction significative de l'oubli.
Cet article présente le Huffman-Bucket Sketch (HBS), une structure de données simple et fusionnable qui compresse losslessly un HyperLogLog en bits grâce à un codage de Huffman adaptatif, tout en conservant des temps de mise à jour constants et la fusionnalité.
Le système d'intelligence artificielle générative CBCTRepD comble le fossé des compétences en interprétation des CBCT maxillo-faciaux en produisant des rapports de haute qualité et en améliorant significativement la précision et l'exhaustivité du diagnostic pour les radiologues de tous niveaux d'expérience grâce à une collaboration homme-machine.
Ce papier présente STADA, un cadre de génération de tests basé sur les spécifications formelles en logique temporelle (LTLf) pour les agents de conduite autonome, qui surpasse les méthodes existantes en offrant une couverture de validation supérieure avec un nombre de simulations considérablement réduit.
Cet article présente une procédure linéaire pour reconnaître les sous-ensembles minimalement insatisfaisables de formules 2-CNF, étudie la complexité de leur recherche en distinguant les cas polynomiaux (contenant des clauses unitaires) des cas NP-complets, et propose un algorithme incrémental pour une classe spécifique de ces sous-ensembles.
Cet article propose SSL-V3, une méthode d'apprentissage auto-supervisé combinant un Vision Transformer et une évaluation de la qualité vidéo sans référence pour améliorer la classification vidéo en ajustant les cartes de caractéristiques via un score de qualité, démontrant ainsi son efficacité sur des ensembles de données de soins de santé.
Le papier présente Med-DualLoRA, un cadre d'apprentissage fédéré efficace en communication qui améliore l'adaptation locale des modèles fondamentaux pour la détection de maladies en IRM cardiaque 3D en séparant les adaptations globales et locales via des modules LoRA, garantissant ainsi à la fois la confidentialité des données et des performances supérieures sur des données hétérogènes multi-centres.
Ce papier propose VCR, un cadre novateur d'amélioration d'images en faible luminosité qui utilise la recalibration de canal pilotée par la variance pour résoudre les problèmes d'incohérence entre luminance et chrominance et d'alignement des distributions de couleur, surpassant ainsi les méthodes existantes sur plusieurs benchmarks.