8464 articles
Le papier présente , un réseau de neurones feed-forward permutation-équivariant qui reconstruit la géométrie visuelle sans dépendre d'une vue de référence fixe, surpassant ainsi les méthodes précédentes en précision et en robustesse pour des tâches telles que l'estimation de pose, la profondeur et la reconstruction de nuages de points.
Cet article propose un cadre d'apprentissage profond basé sur les Vision Transformers (ViT) et utilisant des données Sentinel-2 et Formosat-5 pour affiner la segmentation des zones sinistrées via une approche d'apprentissage faible supervision, améliorant ainsi la fiabilité des produits d'urgence (EVAP) développés par l'agence spatiale taïwanaise (TASA).
Cet article propose une étude approfondie et une taxonomie des approches d'auto-échellement pour les applications microservices depuis 2018, en analysant leurs mécanismes, leurs objectifs d'optimisation et leurs performances pour garantir l'efficacité des ressources tout en respectant les accords de niveau de service.
Le papier présente BrownoutServe, un cadre d'inférence innovant pour les grands modèles de langage basés sur l'architecture MoE qui optimise le débit et réduit les violations d'objectifs de niveau de service (SLO) lors de charges de travail imprévisibles grâce à l'intégration d'experts unifiés et à un mécanisme d'assèchement dynamique.
Cet article présente C-Koordinator, une solution open-source déployée chez Alibaba qui améliore l'efficacité des clusters de microservices à grande échelle en co-localisation grâce à des stratégies de gestion d'interférences basées sur la prédiction précise du CPI, réduisant ainsi la latence des applications de 16,7 % à 36,1 %.
Cet article présente un nouveau capteur tactile à roulement intégrant une caméra neuromorphique qui permet une inspection 3D rapide et continue de grandes surfaces industrielles avec une précision sub-100 microns, surpassant les méthodes existantes par sa vitesse et sa robustesse au flou de mouvement.
Cet article explore l'application de l'exécution symbolique dynamique pour analyser les différences sémantiques dans les architectures composants-connecteurs modélisées avec MontiArc, révélant son potentiel tout en soulignant les défis de scalabilité qui limitent son utilisation pratique sur de grands systèmes.
Cet article présente MIDAR, un modèle de capteur substitut qui enrichit les simulateurs de trafic microscopiques avec une perception LiDAR réaliste et évolutive en utilisant des graphes de visibilité et des transformateurs géométriques, permettant ainsi une évaluation précise des applications de systèmes de transport intelligents sans coût computationnel excessif.
Cette étude présente TransUNet-GradCAM, un modèle hybride combinant Transformers et U-Net qui, grâce à son mécanisme d'attention globale et à ses visualisations explicatives, réalise une segmentation précise et généralisable des ulcères diabétiques du pied sur plusieurs jeux de données cliniques.
L'article présente S²Q-VDiT, un cadre de quantification post-entraînement pour les transformateurs de diffusion vidéo qui combine une sélection de données saillantes basée sur l'Hessien et une distillation de tokens épars guidée par l'attention pour atteindre des performances sans perte avec une compression et une accélération significatives.
Le papier présente SPEX, un modèle de langage multimodal innovant qui exploite les informations spectrales via un nouvel ensemble de données d'instructions (SPIE) pour réaliser une extraction précise et interprétable des types de couverture terrestre sur des images de télédétection multispectrales, surpassant les méthodes actuelles.
Cette étude présente la première évaluation du 3D Gaussian Splatting sur des images fisheye à très grand champ de vue, démontrant que l'initialisation par profondeur via UniK3D surpasse les méthodes SfM traditionnelles pour surmonter les défis de distorsion et de reconstruction géométrique.
Cet article présente une validation expérimentale inédite de la communication radiofréquence à faible probabilité de détection en utilisant des radios logicielles, confirmant ainsi les limites théoriques de la loi racine carrée et ouvrant la voie à des systèmes de communication discrets pratiques.
Cet article propose un cadre unifié et sémantiquement ancré pour l'adaptation de domaine en segmentation d'images médicales, qui apprend une variété probabiliste d'anatomies génériques pour permettre une adaptation performante et interprétable sans nécessiter d'alignement explicite entre les domaines source et cible, que ceux-ci soient accessibles ou non.
Le papier présente Video-EM, un cadre d'apprentissage gratuit basé sur la mémoire épisodique centrée sur les événements qui transforme la compréhension de vidéos longues en une construction et un raffinement d'événements temporellement cohérents pour surmonter les limites des fenêtres contextuelles des modèles de langage vidéo.
Ce papier présente UniUGG, le premier cadre unifié exploitant un LLM et un décodeur spatial basé sur la diffusion latente pour réaliser simultanément la compréhension et la génération de scènes 3D à partir d'images de référence et de transformations de vue, tout en répondant à des questions visuelles spatiales grâce à une stratégie d'apprentissage combinant indices géométriques et sémantiques.
Le papier présente UniCast, un cadre multimodal économe en paramètres qui améliore les modèles de fondation pour les séries temporelles grâce à un prompting conditionné par l'instance et un routage dynamique des modalités, permettant une adaptation précise aux variations spécifiques de chaque cas sans modifier le modèle de base.
Le papier présente PhysGM, un cadre feed-forward novateur qui génère en une minute des simulations 4D réalistes à partir d'une seule image en prédisant conjointement des représentations gaussiennes 3D et des propriétés physiques, le tout entraîné sur le nouveau jeu de données PhysAssets et optimisé via DPO pour éviter les méthodes coûteuses.
Cet article propose un cadre d'estimation de pose humaine 3D basé sur la diffusion optimisé par une stratégie d'élagage temporel hiérarchique (HTP) qui réduit considérablement les coûts computationnels tout en maintenant des performances de pointe grâce à une élimination dynamique des tokens de pose redondants.
Le papier présente PointSlice, une méthode innovante de détection d'objets 3D qui transforme les nuages de points en tranches 2D et intègre un réseau d'interaction de tranches (SIN) pour atteindre un équilibre optimal entre précision et efficacité, surpassant les approches par voxels et piliers en termes de vitesse et de nombre de paramètres tout en maintenant des performances élevées sur plusieurs jeux de données de référence.