3447 articles
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.
Ce papier présente le LM-4DGAN, un modèle génératif robuste aux variations d'identité qui utilise des repères faciaux neutres, un discriminateur d'identité, un autoencodeur de repères et un mécanisme d'attention croisée pour synthétiser des expressions faciales 4D.
Le papier présente AgentServe, un système de service conçu pour une seule carte graphique grand public qui améliore la stabilité et les performances du service d'IA agentique en isolant les phases de préremplissage et de décodage et en allouant dynamiquement les ressources GPU pour résoudre les conflits de contention.
L'article présente EmoStory, un cadre de génération d'histoires visuelles en deux étapes qui intègre la planification par agents et la composition consciente des régions pour produire des récits cohérents et subjectivement stables guidés par des émotions explicites.
Cet article propose un cadre fermé intégrant une estimation haptique, une planification en ligne et un contrôle adaptatif de la raideur, basé sur une variété d'équilibre paramétrée, pour réaliser une manipulation d'outils robuste et précise en milieu encombré, comme démontré par des essais réels de desserrage de vis.
Ce papier propose S-HPLB, une nouvelle stratégie de déploiement qui équilibre la charge entre les têtes d'attention en adaptant dynamiquement leur budget de parcimonie, permettant ainsi de réduire la latence de calcul de 2,88 fois sans dégrader la qualité des inférences sur les grands modèles de langage.
Le papier présente StyleGallery, un cadre de transfert de style personnalisé sans entraînement et conscient du sémantique qui, en utilisant des images de référence arbitraires et un processus en trois étapes (segmentation, appariement et optimisation), surpasse les méthodes existantes en préservant la structure du contenu tout en assurant une stylisation précise et adaptable.
Cette proposition de cadre unifié sans entraînement combat les hallucinations des modèles multimodaux en manipulant les tokens visuels via deux modules complémentaires, la calibration visuelle synergique et la calibration causale, pour rétablir l'équilibre vision-langage et améliorer la précision POPE de 2 % sur LLaVA-1.5 avec une surcharge d'inférence négligeable.