💻 informatique

Human action recognition based on cascade graph convolutional network

Cet article propose un réseau de convolution de graphes en cascade (CGCN) qui utilise une matrice d'adjacence hiérarchique sensible au mouvement pour modéliser dynamiquement les corrélations entre les articulations et une architecture en cascade par étapes pour classifier progressivement les actions avec une complexité croissante, atteignant ainsi un équilibre supérieur entre la précision de la reconnaissance et l'efficacité computationnelle sur plusieurs ensembles de données.

Mengai Yan, Jianying Xiong, Ben Huang, Jiabin Chen, Leiyue Yao2026-08-28
💻 informatique

2D Rotary Position Embedding for Scene Text Recognition with Transformers

Cet article introduit \method{}, une adaptation sans paramètre du Rotary Position Embedding 2D pour la reconnaissance de texte dans les scènes qui remédie aux limitations des méthodes existantes en allouant les dimensions de manière anisotrope pour correspondre aux rapports d'aspect du texte et en étendant le couplage rotatif à l'attention croisée encodeur-décodeur, améliorant ainsi considérablement la précision sur les mises en page de textes courbes, rotatés et présentant des distorsions de perspective.

Zobeir Raisi2026-08-27
💻 informatique

A PRISMA-Guided Critical Review of CNN, Transformer, and Hybrid Object Detection Architectures for Autonomous Driving

Cette revue critique guidée par la méthode PRISMA portant sur 142 études relatives aux architectures de détection d'objets de type CNN, Transformer et hybrides pour la conduite autonome identifie des lacunes significatives dans les preuves de déploiement en conditions réelles et introduit le cadre AVOD-DRF afin de permettre une sélection reproductible et fondée sur des preuves de détecteurs, basée sur la maturité opérationnelle plutôt que sur la seule performance de référence.

Girija G. Chiddarwar, Madhav J. Salunkhe, Yogesh G. Joshi, Rahul G. Deshmukh, Swapnil Yashavant Gadgune, Suraj Rajaram N (…)2026-08-27
💻 informatique

Class-Aware Semantic Hybrid Data Augmentation for Imbalanced Sentiment Classification Using Multiple Transformer Models

Cet article propose un cadre d'augmentation de données hybride sémantique sensible à la classe (CSHDA) qui applique sélectivement diverses techniques d'augmentation validées sémantiquement aux classes minoritaires, atténuant efficacement le déséquilibre des classes et améliorant considérablement la performance et la robustesse de plusieurs modèles basés sur les transformeurs dans des tâches de classification de sentiments déséquilibrées.

Prashant Upadhyaya, G.L. Saini, Atul Makrariya2026-08-27
💻 informatique

A Prior-Regularized Framework for Knowledge-Guided Differentiable Causal Discovery

Cet article propose un cadre universel régularisé par des a priori qui intègre des connaissances biologiques organisées dans des algorithmes de découverte causale différentiables, améliorant significativement la précision de la récupération de graphes dans les données transcriptomiques de haute dimension et de faible échantillonnage en exploitant les a priori du domaine existants pour stabiliser l'apprentissage là où les méthodes de base échouent.

Shuaidong Gao2026-08-27✓ Author reviewed ⓘ
💻 informatique

GPU-Accelerated BM4D Volumetric Denoising for Python: A Toolchain- Free, Pip-Installable CuPy Implementation

Cet article présente une implémentation CuPy entièrement open-source et installable via pip de l'algorithme complet de débruitage volumétrique BM4D, qui élimine la nécessité d'un kit de développement CUDA ou d'étapes de compilation tout en atteignant des accélérations allant jusqu'à 36,6x par rapport à la référence CPU et en maintenant une fidélité numérique exacte par rapport à la méthode originale.

Matin Mahzad2026-08-27
💻 informatique

XGBoost Optimization using Single Lead ECG based on Multi-feature of ECG Morphologies for Automatic Sleep Disorder Classification

Cette étude présente un système automatique de classification des troubles du sommeil qui utilise un algorithme XGBoost régularisé pour analyser les morphologies multi-caractéristiques à partir de signaux ECG à dérivation unique, atteignant une précision élevée (96,1 %), une spécificité (100 %) et une sensibilité (92,1 %) dans la distinction des événements d'apnée.

Iman Fahruzi, Muhamad Haikal Akmal, Ridwan Ridwan, Abdurahman Dwijotomo2026-08-27
💻 informatique

Statistically Guided Hybrid Local–Global Learning for Compressed Deepfake Video Detection

Cet article propose un cadre d'apprentissage hybride local-global guidé par des statistiques qui fusionne des caractéristiques YCbCr optimisées avec une nouvelle architecture 3SH–VSS afin de détecter efficacement les vidéos deepfake compressées en modélisant simultanément les artefacts de compression locaux et les dépendances de falsification globales, atteignant ainsi une performance et une généralisation supérieures à travers les ensembles de données.

Tianyu Shi, Shichao Ouyang, Juan Li, Guodong Ye, Xingxing Jia2026-08-27
💻 informatique

A reusable benchmark for machine-learning prediction of concrete placement productivity loss

Cet article introduit un banc d'essai synthétique réutilisable pour évaluer les modèles d'apprentissage automatique prédisant la perte de productivité lors du coulage du béton, révélant que les modèles compétents actuels ne parviennent pas à capturer adéquatement les pertes sévères et soulignant la nécessité de protocoles d'évaluation standardisés et validés sur le terrain.

Mohamed Ali, Saher Elsayed, TS. DR. Khairi Azhar Aziz2026-08-27
💻 informatique

Early Detection of Schizophrenia Using EEG Signals Based on CNN and CNN–LSTM Deep Learning Models

Cette étude démontre qu'un modèle d'apprentissage profond hybride CNN–LSTM surpasse de manière significative un CNN autonome pour la détection de la schizophrénie à partir de signaux EEG au repos, atteignant une précision de 92,03 % et soulignant la valeur de l'intégration de l'apprentissage de séquences temporelles pour un diagnostic objectif.

Hussein Aly Elsayed, Arief Ruhullah Harris, Tian Swee Tan2026-08-27