8731 articles
Cet article propose un nouveau cadre de rééchantillonnage par collision (CMR) pour la segmentation audio-vidéo continue, qui résout les problèmes de dérive sémantique et de confusion entre classes co-occurrentes en sélectionnant des échantillons multimodaux cohérents et en augmentant la fréquence de réentraînement des classes confusables.
Ce papier présente PolyJailbreak, un nouveau cadre d'attaque en boîte noire pour les modèles de langage multimodaux (MLLM) qui exploite une asymétrie de sécurité entre les modalités pour générer des contournements de sécurité efficaces via une optimisation par apprentissage par renforcement multi-agents.
Ce papier présente HumanMPC, un cadre de commande prédictive (MPC) innovant qui garantit une navigation 3D sûre et efficace pour les micro-drones parmi des humains en combinant des modèles de mouvement réalistes basés sur les données avec une formulation de sécurité par faisabilité de contrôle minimisant le conservatisme.
Cet article propose un cadre HCI conceptuel pour intégrer Minecraft dans le système éducatif bangladais en adaptant l'infrastructure à trois niveaux de ressources (du cloud au mode hors ligne) et en localisant le contenu culturellement, afin de rendre l'apprentissage par le jeu accessible malgré les contraintes énergétiques et matérielles sévères.
Le papier présente Dream4Drive, un cadre de génération de données synthétiques qui améliore les performances des modèles de perception pour la conduite autonome en produisant des cas limites multi-vues photoréalistes, tout en introduisant l'ensemble de données 3D DriveObj3D pour faciliter la recherche future.
Le papier présente MoE-GS, un cadre unifié pionnier qui intègre une architecture de mélange d'experts avec un routeur de pixels sensible au volume pour améliorer la synthèse de nouvelles vues dans les scènes dynamiques, tout en proposant des stratégies d'optimisation pour atténuer les coûts de calcul inhérents.
Cette étude comble un vide dans la littérature en évaluant expérimentalement, via des benchmarks Kubernetes réalistes, les compromis de performance, d'efficacité et de viabilité à long terme entre les solutions de stockage en mémoire Redis, Valkey, KeyDB et Garnet.
Cet article présente HCLA, un système multi-agents centré sur l'humain qui améliore la transparence et la responsabilité dans la détection d'anomalies des transactions d'actifs numériques en reconstruisant un processus de raisonnement d'expert traçable plutôt qu'en se limitant à expliquer des modèles boîte noire.
Le papier présente AnyPcc, un cadre universel de compression de nuages de points qui surpasse l'état de l'art en généralisation grâce à un modèle de contexte robuste et une stratégie de fine-tuning adaptatif par instance pour gérer efficacement les données hors distribution.
Cet article présente une méthode de comptage automatisé des ravageurs dans des pièges à eau utilisant un bras robotique actif pour réduire les occlusions, où un système de contrôle en boucle fermée adaptatif optimise les motifs de brassage et la vitesse pour améliorer la précision et réduire le temps d'exécution par rapport aux méthodes statiques.
Ce papier présente CountFormer, un cadre de comptage d'objets sans exemple qui remplace l'encodeur d'image par le modèle fondation auto-supervisé DINOv2 pour améliorer la cohérence structurelle et réduire les erreurs de surcomptage liées aux répétitions visuelles, tout en obtenant des performances compétitives sur le jeu de données FSC-147.
Le papier présente LagMemo, un système de navigation robotique qui utilise une mémoire de splatting gaussien 3D enrichie par le langage pour permettre une localisation et une navigation multi-objectifs ouvertes et multi-modales, surpassant les méthodes actuelles grâce à une évaluation rigoureuse sur le nouveau benchmark GOAT-Core.
Le papier présente SAGE, une approche zéro-shot qui génère des transitions vidéo cohérentes et structurellement alignées entre des clips divers en combinant guidance structurelle et synthèse générative, surpassant ainsi les méthodes existantes sans nécessiter d'entraînement spécifique.
Cette étude présente MobiDock, un système robotique mobile bimanuel modulaire et auto-reconfigurable qui, grâce à une stratégie d'arrimage autonome et un mécanisme de verrouillage innovant, transforme la coordination multi-robots en la gestion d'un système unique, améliorant ainsi la stabilité dynamique, la précision et l'efficacité opérationnelle.
Ce papier présente VOPP, un nouveau planificateur en ligne POMDP vectorisé qui exploite le parallélisme massif via des calculs tensoriels pour éliminer les goulots d'étranglement de synchronisation, surpassant ainsi les solveurs parallèles et séquentiels de l'état de l'art avec une efficacité et une économie de budget de calcul considérables.
Cet article propose une nouvelle méthode de détection des images générées par l'IA, appelée « reconstruction par rebond de diffusion », qui analyse la manière dont une image se réorganise sous l'effet d'une perturbation contrôlée par un modèle de diffusion, atteignant une précision exceptionnelle (AUROC de 0,993) pour distinguer les photographies authentiques des synthèses artificielles.
PhantomFetch est la première défense logicielle agnostique au matériel qui protège les préchargeurs IP-stride contre les attaques par canal latéral en brouillant les effets des charges sensibles sans sacrifier les performances ni nécessiter de modifications matérielles.
Cet article présente MUGSQA, une nouvelle méthode d'évaluation de la qualité basée sur l'incertitude multiple, accompagnée d'un jeu de données et de benchmarks conçus pour mesurer la robustesse des méthodes de Gaussian Splatting et la performance des métriques d'évaluation existantes face aux variations des données d'entrée.
Le papier présente CountOCC, un cadre de comptage amodal qui surpasse les méthodes actuelles en reconstruisant les caractéristiques des objets occlus grâce à une guidance multimodale hiérarchique et une nouvelle tâche d'équivalence visuelle, validé par des performances record sur des jeux de données augmentés avec occlusion.
Cet article présente LAMP, un cadre d'apprentissage par renforcement multi-agent enrichi par le langage qui intègre un pipeline de réflexion, d'expression et de décision pour optimiser les stratégies économiques en fusionnant données chiffrées et analyse sémantique, surpassant ainsi les méthodes existantes en termes de rentabilité, de robustesse et d'interprétabilité.