8779 articles
Cet article introduit le nouveau cadre de la généralisation de domaine à vocabulaire ouvert pour la segmentation sémantique urbaine, accompagné d'un benchmark dédié et d'une méthode innovante nommée S2-Corr, qui améliore la robustesse des modèles face aux changements de domaine et aux catégories inédites en affinant les corrélations texte-image.
Cet article présente INDUCTION, un nouveau benchmark évaluant la capacité des modèles à synthétiser des concepts logiques du premier ordre à partir de structures finies, en mettant en évidence des gradients de difficulté marqués et l'importance de la concision des formules pour la généralisation.
Ce papier présente SKYLIGHT, une architecture de cœur tensoriel photonique 3D à cent canaux et à mémoire intégrée qui surpasse les GPU NVIDIA en efficacité énergétique pour l'inférence IA en temps réel tout en permettant l'apprentissage local sans étiquettes grâce à des mises à jour de poids in situ.
Le papier présente UniMatch, un cadre novateur utilisant des modèles de langage multimodaux pour établir des correspondances sémantiques denses entre des formes 3D non isométriques de catégories variées grâce à une approche en deux étapes, allant d'une segmentation sémantique grossière à un apprentissage fin guidé par le langage.
Ce papier démontre que les échecs d'iCloud, notamment dans les flux de travail de développement, résultent d'une erreur de catégorie fondamentale consistant à projeter un graphe causal distribué sur une chaîne temporelle linéaire, et propose que les sémantiques transactionnelles de l'Open Atomic Ethernet offrent une solution structurelle en alignant les protocoles sur la réalité physique.
L'article propose InfScene-SR, une méthode de super-résolution d'images basée sur les modèles de diffusion qui permet de traiter des images de taille arbitraire sans artefacts de bordure grâce à une fusion itérative de patches corrigée par variance, rendant ainsi possible un inférence parallèle efficace sur des scènes gigapixels.
Cet article propose une méthode de décomposition et de recomposition en ligne des objets, des scènes et des poses de caméra pour générer des données d'entraînement diversifiées et améliorer l'efficacité de la détection 3D d'objets monoculaire, même avec des annotations limitées.
Cet article présente un cadre de décomposition d'images en couches basé sur l'apprentissage contextuel et l'adaptation LoRA de modèles de diffusion, qui utilise une stratégie d'ajustement cyclique et un processus d'amélioration progressive pour séparer efficacement des éléments complexes comme les logos de leurs arrière-plans tout en préservant la cohérence visuelle.
Cet article présente un cadre d'inférence itératif et sans entraînement, nommé « See It, Say It, Sorted », qui atténue les hallucinations visuelles dans les modèles de langage-vision en supervisant chaque étape du raisonnement par des preuves visuelles dynamiquement extraites de l'image.
Ce papier présente ARLArena, un cadre unifié pour l'analyse de la stabilité de l'apprentissage par renforcement agentique, et propose SAMPO, une méthode d'optimisation qui garantit un entraînement stable et performant sur diverses tâches interactives complexes.
Cette article présente une approche unifiée de la segmentation sémantique pour les images et les vidéos qui transforme les masques en séquences de tokens discrets via un codage par longueurs de course (RLE) et un modèle de langage autorégressif, tout en intégrant des stratégies de compression et des informations d'instances pour la segmentation panoptique.
Ce papier présente EmoOmni, un cadre unifié qui améliore la compréhension et l'expression émotionnelles dans les modèles de langage omni-modaux grâce à une chaîne de pensée émotionnelle (E-CoT), tout en fournissant un jeu de données annoté et une nouvelle évaluation pour ce domaine.
CryoNet.Refine est un modèle de diffusion en une étape qui automatise et accélère le raffinement des structures moléculaires à partir de cartes de densité cryo-EM, surpassant les méthodes traditionnelles en termes de rapidité et de qualité géométrique.
Cet article explore comment les agents IA, capables d'exécuter des pipelines de recherche complets via le concept de « vibe researching », redéfinissent les limites de l'automatisation en sciences sociales en augmentant l'efficacité méthodologique tout en soulignant les défis persistants liés à l'originalité théorique et aux implications éthiques pour la profession.
Cette étude démontre que la majorité de la divergence entre médecins dans l'évaluation HealthBench est structurelle et inexplicable par les métadonnées, bien que la réduction des incertitudes réductibles (comme le manque de contexte) puisse significativement diminuer les désaccords sur les cas limites.
Le papier présente WISER, un cadre d'extraction d'images composées sans entraînement qui améliore la recherche zéro-shot en unifiant les approches texte-vers-image et image-vers-image via un pipeline d'exploration élargie, de fusion adaptative et de réflexion itérative pour surmonter les limites des méthodes existantes.
Le papier présente PackUV, une nouvelle méthode de représentation 4D qui convertit les attributs gaussiens en cartes UV structurées pour une compatibilité native avec les codecs vidéo standards, permettant ainsi un stockage compact et un streaming efficace de vidéos volumétriques de longue durée grâce à la méthode d'ajustement PackUV-GS et au nouveau jeu de données PackUV-2B.
Cet article propose une approche de planification généralisée fondée sur l'apprentissage de modèles de transition explicites par des réseaux de neurones, démontrant que cette méthode surpasse les modèles prédictifs directs en termes de généralisation hors distribution et d'efficacité des échantillons tout en nécessitant moins de données et de paramètres.
Ce papier présente HART, une méthode d'apprentissage par renforcement sans annotation qui permet aux modèles multimodaux de grande taille de raisonner efficacement sur des images haute résolution en identifiant et en vérifiant automatiquement les régions clés.
Le papier présente PEPA, une architecture cognitive à trois couches qui confère à un agent robotique une autonomie persistante en utilisant des traits de personnalité pour générer ses propres objectifs et s'adapter de manière durable à des environnements dynamiques sans supervision humaine.