3447 articles
Ce papier présente le Geometric Autoencoder (GAE), un cadre novateur qui améliore les modèles de diffusion latents en intégrant des priors de modèles de vision fondationnels et une normalisation latente, permettant d'atteindre des performances de génération d'images supérieures sur ImageNet-1K tout en équilibrant compression, profondeur sémantique et stabilité de reconstruction.
Le papier présente GeoSense, un cadre qui permet aux modèles de langage multimodaux de percevoir leurs insuffisances perceptuelles et d'activer de manière autonome des canaux géométriques pour le raisonnement spatial uniquement lorsque les indices 2D sont jugés inadéquats, améliorant ainsi l'efficacité et la robustesse sans compromettre les capacités visuelles existantes.
Cette étude démontre que l'optimisation de la dimensionnalité des facteurs dans un modèle de diffusion conditionnel permet de trouver un compromis idéal entre biais et variance, surpassant ainsi les stratégies de portefeuille traditionnelles en évitant à la fois le sous-apprentissage et le surapprentissage.
Cette étude analyse les vulnérabilités de sécurité critiques du framework d'agents OpenClaw face aux attaques malveillantes et démontre l'efficacité d'une nouvelle couche de défense intégrant une intervention humaine (HITL) pour renforcer significativement la protection du système.
Cet article présente une démonstration complète d'une attaque de falsification de télémétrie satellite via un composant compromis dans la chaîne d'approvisionnement, révélant une vulnérabilité critique des architectures modulaires et proposant des contre-mesures pour sécuriser les missions spatiales.
Ce papier propose ScanDP, un cadre de numérisation 3D généralisable et efficace en données qui utilise une politique de diffusion pour imiter les stratégies de balayage humaines, en s'appuyant sur la cartographie par grille d'occupation et une optimisation hybride de trajectoire pour obtenir une meilleure couverture et une plus grande robustesse face au bruit et aux objets inédits.
Cette étude propose et évalue « AnimaStand », un support animé qui transforme les smartphones en facilitateurs corporels expressifs capables de réengager les membres passifs et d'améliorer la dynamique, la performance et les relations lors de discussions de groupe en présentiel.
Cet article propose OCpose, une nouvelle métrique d'évaluation pour l'estimation de pose multi-personnes basée sur le transport optimal, qui assure une évaluation équitable en considérant tous les poses détectés indépendamment de leur score de confiance tout en les utilisant pour améliorer la fiabilité de l'appariement avec les annotations.
Cet article présente SpatioCoupledNet, une méthode de contrôle de forme hybride combinant cinématique et apprentissage profond pour stabiliser et améliorer la précision d'un robot planaire hyper-redundant flexible, surpassant les approches purement analytiques ou basées sur les données dans des environnements incertains et dynamiques.
Ce papier propose une nouvelle fonction de perte pour calibrer les incertitudes des prédicteurs de trajectoires gaussiens en alignant leurs distributions de confiance sur une loi du Chi-deux, améliorant ainsi la sécurité de la planification de mouvement dans des environnements encombrés.
Le papier présente Motion Forcing, un cadre découplé basé sur une hiérarchie « Point-Forme-Apparence » et une stratégie de récupération de points masqués, conçu pour stabiliser le compromis entre qualité visuelle, cohérence physique et contrôlabilité dans la génération vidéo complexe.
Ce papier propose la méthode DGI (Differentiable Geometric Indexing) pour résoudre les blocages d'optimisation et les conflits géométriques de la recherche générative en unifiant l'indexation et la récupération via une formation différentiable et une optimisation géométrique isotrope, surpassant ainsi les approches existantes, notamment dans les scénarios à longue traîne.
Le papier propose Frames2Residual (F2R), une méthode d'apprentissage auto-supervisé pour le débruitage vidéo qui surmonte les limitations des réseaux à trou aveugle en découplant l'apprentissage en deux étapes distinctes : une modélisation temporelle aveugle pour assurer la cohérence inter-images, suivie d'une récupération spatiale non aveugle pour restaurer les détails texturaux.
Ce papier présente TractoRC, un cadre d'apprentissage probabiliste unifié qui améliore simultanément l'enregistrement et le regroupement des tractogrammes en apprenant un espace d'incorporation latent partagé grâce à une stratégie d'apprentissage auto-supervisé invariante aux transformations.
Le papier présente World2Act, un cadre d'entraînement postérieur qui améliore la généralisation des agents incarnés en alignant directement les actions des politiques VLA sur des latents de dynamique vidéo via un objectif contrastif, tout en surmontant les limites de durée des modèles du monde grâce à une pipeline de décomposition automatique des compétences par LLM.
Cet article présente un algorithme déterministe qui reconstruit les graphes connexes à degré et longueur arborescente bornés en utilisant un nombre de requêtes de distance , améliorant ainsi les résultats précédents d'un facteur logarithmique et atteignant la borne inférieure connue pour les graphes à chordalité bornée.
Le papier présente COHORT, un cadre d'inférence collaborative de réseaux de neurones profonds pour systèmes multi-robots qui utilise une stratégie d'apprentissage par renforcement hybride (offline AWR et online MAPPO) pour optimiser la répartition des tâches, réduisant ainsi la consommation d'énergie et augmentant l'utilisation du GPU tout en respectant les contraintes temps réel.
Cet article propose une stratégie d'accélération et de sécurisation des transports TCP/QUIC pour les réseaux interplanétaires, basée sur une architecture de proxy non transparent (NTSP) et une politique de transport adaptative, qui améliore significativement les performances de débit et de livraison dans des scénarios à forte latence et à liens intermittents.
Le papier présente AsyncMDE, un système de perception de profondeur monoculaire asynchrone et léger qui amortit le coût computationnel des modèles de base en réutilisant les caractéristiques spatiales entre les trames, permettant ainsi un déploiement temps réel sur des plateformes embarquées avec une précision quasi équivalente.
Le papier propose KnowDiffuser, un cadre de planification de mouvement guidé par la connaissance qui intègre la compréhension sémantique des modèles de langage avec la puissance générative des modèles de diffusion pour combler l'écart entre la décision sémantique et la faisabilité physique dans la conduite autonome.