8737 articles
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.
Le papier présente Video2Layout, un cadre qui améliore le raisonnement spatial des modèles multimodaux en reconstruisant des cartes cognitives métriques basées sur des coordonnées continues plutôt que sur des grilles discrétisées, permettant ainsi des calculs quantitatifs plus précis et une réduction de l'ambiguïté dans la description des relations spatiales.
Cet article présente MOMNet, un cadre novateur de super-résolution de profondeur sans alignement qui utilise un mécanisme de correspondance multi-ordre pour récupérer et agréger de manière adaptative les informations RGB pertinentes, surmontant ainsi les limitations des méthodes existantes face aux désalignements inhérents aux scénarios réels.
Ce papier présente DualMindVLM, un modèle de langage visuel qui imite le double système de pensée humain en adaptant dynamiquement la longueur de son raisonnement à la complexité de la tâche, offrant ainsi des performances de pointe avec une efficacité de tokens supérieure.
Cet article propose le Radiative-Structured Neural Operator (RSNO), une nouvelle méthode d'apprentissage profond qui génère des images hyperspectrales continues et physiquement cohérentes à partir d'observations multispectrales en intégrant des contraintes radiatives et une projection angulaire cohérente pour éliminer les distorsions de couleur.
L'article présente UnfoldLDM, une méthode novatrice qui combine les réseaux de déroulement profond et les modèles de diffusion latents pour surmonter les limites des approches existantes en restauration d'images aveugle, grâce à un module d'estimation de dégradation multi-granulaire et un transformateur de correction des sur-lissages.
Cette étude examine comment les utilisateurs de Reddit négocient collectivement les préoccupations liées à la vie privée de ChatGPT en identifiant des pratiques d'information telles que l'alerte aux risques, l'établissement de normes et la recherche de solutions alternatives.
Cet article présente un système de suivi GNSS stable pour les robots marins utilisant une flotte de drones équipés de détection visuelle, d'un filtre de Kalman étendu pondéré par la confiance et d'un algorithme d'alignement d'identifiants pour assurer un suivi précis et robuste en temps réel.
Le papier présente Yo'City, un cadre agentique innovant qui génère des scènes urbaines 3D réalistes, personnalisables et infiniment extensibles en combinant une planification hiérarchique, une synthèse d'images guidée par l'auto-critique et une expansion relationnelle, surpassant ainsi les méthodes existantes sur tous les aspects de la qualité de génération.
Le papier propose DOPD, une architecture d'inférence LLM dynamique qui ajuste en temps réel l'allocation des instances de préremplissage et de décodage pour résoudre les déséquilibres de charge et maximiser le bon débit tout en respectant les objectifs de niveau de service.
Cet article initie l'étude des spanneurs tolérants aux pannes dans les hypergraphes en proposant un algorithme rapide qui construit des spanneurs de taille sous-linéaire par rapport au nombre de pannes, comblant ainsi un vide théorique majeur par rapport aux méthodes classiques.
Cet article présente un cadre multi-agents assisté par un grand modèle de langage (LLM) qui automatise la conception et l'adaptation des systèmes de contrôle pour la fabrication en continu (roll-to-roll), garantissant la sécurité et réduisant l'effort de réglage manuel grâce à une validation expérimentale réussie.
Le papier présente RadDiff, une nouvelle méthode de repliement inverse de protéines qui améliore significativement les taux de récupération de séquences en combinant un modèle de diffusion débruité avec un mécanisme d'augmentation par récupération pour intégrer dynamiquement des connaissances protéiques externes.
Cet article propose l'intégration d'un modèle fondamental causal dans un cadre de maintenance prescriptive pour simuler des interventions et optimiser l'efficacité globale des équipements (OEE) en identifiant les causes racines des défaillances plutôt que de se limiter à des prédictions statistiques.
Le papier présente S2AM3D, une méthode innovante qui combine des priors de segmentation 2D avec une supervision 3D cohérente et un nouveau jeu de données à grande échelle pour réaliser une segmentation de parties de nuages de points 3D robuste, généralisable et contrôlable en termes d'échelle.