8464 articles
DiffWind est un cadre de modélisation différentiable guidé par la physique qui permet de reconstruire et de simuler avec précision la dynamique d'objets déformables sous l'effet du vent en unifiant l'interaction vent-objet, la reconstruction vidéo et la simulation, tout en garantissant la validité physique grâce à des contraintes de dynamique des fluides.
Le papier présente VarSplat, un système de SLAM RGB-D basé sur le splatting gaussien 3D qui améliore la robustesse en apprenant explicitement la variance d'apparence par gaussienne pour générer des cartes d'incertitude différentielles guidant l'estimation de pose et l'optimisation.
Ce papier présente FootMR, une méthode de raffinement du mouvement des pieds qui améliore la reconstruction 3D dans la capture de mouvement humaine sans marqueurs en levant des repères 2D vers la 3D grâce à des données de capture de mouvement à grande échelle et en introduisant le nouveau jeu de données MOOF pour l'évaluation.
Le papier présente DRIFT, une architecture Transformer à double représentation qui fusionne des caractéristiques locales et globales pour améliorer la détection d'objets et l'estimation de la route libre à partir de nuages de points radar 4D, surpassant ainsi les méthodes existantes sur des ensembles de données publics et internes.
Le papier présente TemporalDoRA, une méthode d'adaptation efficace des paramètres intégrant une attention temporelle au sein du goulot d'étranglement d'apprentissage pour améliorer la robustesse et la précision de la réponse aux questions sur des vidéos chirurgicales, validée sur le nouveau jeu de données REAL-Colon-VQA.
Cette étude empirique propose une première taxonomie des « Interaction Smells » dans la génération de code collaborative multi-tours avec les LLM, analyse leur distribution sur plusieurs modèles et introduit le cadre InCE pour améliorer la qualité des interactions grâce à l'extraction d'invariants globaux et à des audits pré-génération.
Le papier propose TriFusion-SR, un cadre de diffusion conditionnelle guidé par les ondelettes qui réalise une fusion et une super-résolution conjointes d'images médicales tri-modales en décomposant les caractéristiques en bandes de fréquence pour améliorer la qualité diagnostique et réduire les artefacts.
Le papier présente ProGS, un nouveau codec de streaming qui organise les données de 3D Gaussian Splatting dans une structure d'octree pour permettre un codage progressif, réduisant ainsi la taille de stockage de 45 fois tout en améliorant la fidélité visuelle de plus de 10 %.
Ce papier propose Robotic Scene Cloning (RSC), une nouvelle méthode qui améliore l'adaptation zéro-shot des robots en modifiant les trajectoires d'opérations existantes via une édition visuelle, permettant ainsi une généralisation efficace des tâches dans divers environnements simulés et réels.
Ce papier présente GSStream, un système innovant de diffusion de scènes volumétriques en 3D Gaussian Splatting qui combine une prédiction collaborative de la vue et une adaptation du débit par apprentissage par renforcement profond pour surmonter les défis de bande passante et offrir une expérience immersive de haute qualité.
Le papier présente FrameDiT, une architecture de transformateur de diffusion qui introduit l'attention matricielle au niveau des images pour concilier efficacité et cohérence temporelle dans la génération vidéo, surpassant ainsi les méthodes existantes sur plusieurs benchmarks.
Cet article propose une nouvelle mesure de stabilité locale pour les classements, capable de tenir compte des régions denses d'items similaires, et présente des algorithmes efficaces pour approximer cette métrique et détecter ces régions, tout en fournissant des garanties théoriques et des validations expérimentales.
Cet article formalise la notion de tranches arrière idempotentes et propose un algorithme efficace pour les extraire sous forme GSA, permettant ainsi une réduction significative de la taille du code par fusion d'instructions non contiguës.
Cet article présente une méthode d'inférence bayésienne utilisant un filtre de Kalman ensembliste régularisé pour mettre à jour l'état d'un modèle de champ de phase de rupture fragile (déplacements et champ de phase) en intégrant des données de capteurs, permettant ainsi de corriger les incertitudes matérielles tout en respectant les contraintes physiques du modèle.
Ce papier présente WVA, un plan de contrôle d'optimisation globale co-conçu avec \texttt{llmd} qui améliore le débit effectif de 37 % et réduit les échecs de requêtes de 10 fois par rapport au HPA traditionnel en couplant étroitement les décisions de mise à l'échelle à l'état de saturation interne du serveur d'inférence et à l'hétérogénéité du matériel.
Le papier présente FetalAgents, le premier système multi-agents conçu pour orchestrer dynamiquement des experts visuels spécialisés afin d'offrir une analyse complète, précise et automatisée des images et vidéos d'échographie fœtale, générant ainsi des rapports cliniques structurés qui surpassent les modèles existants.
Cet article propose un cadre d'ordonnancement basé sur des contraintes de fraîcheur des données, utilisant un algorithme de recherche d'offsets de consensus pour synchroniser les tâches en flux Juste-À-Temps et garantir la fraîcheur des données dans les systèmes critiques sans la latération artificielle du paradigme LET ni le gaspillage de ressources dû au sur-échantillonnage.
Cet article propose SACA, un cadre d'alignement contrastif sensible aux étapes qui améliore la navigation vision-langage en environnement continu en extrayant une supervision dense des trajectoires imparfaites pour surmonter les limites des méthodes d'apprentissage par renforcement et de l'ajustement par supervision.
Ce papier présente ENIGMA-360, un nouveau jeu de données synchronisé en vue egocentrique et exocentrique capturé dans un environnement industriel réel, accompagné d'annotations et de résultats de référence pour améliorer la compréhension du comportement humain et la sécurité des travailleurs.
Ce papier présente LAP, un modèle de planification de procédures qui surpasse les méthodes existantes en exploitant la richesse des descriptions textuelles issues d'un modèle vision-langage pour générer des séquences d'actions plus précises dans les vidéos d'instruction.