4102 articles
PolyDetect est un cadre d'apprentissage profond hybride, en temps réel et sensible à la qualité, qui intègre un module d'évaluation de la qualité d'image sans référence avec une amélioration adaptative et un entraînement pondéré pour parvenir à une segmentation de polypes robuste et de pointe dans les images de coloscopie dégradées.
Cet article introduit et évalue la famille d'attaques « AWAKEN », qui exploite le mécanisme de pause-reprise du protocole de communication des agents ainsi que les champs de métadonnées typés pour contourner les gardes de sécurité via des vecteurs d'injection, démontrant qu'une combinaison de vérification hors canal basée sur des nonces et de cloisonnement structurel atténue efficacement ces risques d'injection de requêtes à haute autorité.
Cet article propose QGF-Net, un cadre hybride quantique-classique qui intègre des Vision Transformers auto-supervisés avec un module de fusion locale cohérent avec l'illumination, un mécanisme de proposition de région discriminatif et un mécanisme d'attention par mesure quantique afin d'atteindre des performances et une robustesse de pointe dans la classification d'images à grain fin.
En utilisant une approche de recherche en sciences de la conception (Design Science Research), cette étude aborde le désalignement entre l'implémentation de l'IA et la transformation organisationnelle en analysant les modèles procéduraux existants pour construire le Modèle de Référence IA Sociotechnique Intégré (ISAR-M), qui synchronise les capacités techniques avec la préparation organisationnelle afin de surmonter les silos disciplinaires et d'assurer une adoption réussie de l'IA.
Cet article présente NormDef-FR, un corpus annoté de haute qualité et en libre accès comprenant 693 définitions normatives françaises, conçu pour permettre et évaluer les tâches automatisées de TAL juridique telles que l'extraction de connaissances, la recherche d'information et la génération augmentée par récupération.
Cet article présente le Self-Supervised Multi-Modal Transformer (SS-MMT), un nouveau cadre d'apprentissage profond qui combine l'IRM de super-résolution améliorée par GAN avec des données de séries temporelles de soins intensifs via un pré-entraînement par auto-encodeur masqué et une attention cross-modale pour atteindre une prédiction de tumeur cérébrale précoce de pointe avec une AUC-ROC de 0,945.
Ce document propose MTFF, un cadre léger basé sur les Transformers qui fusionne les motifs rythmiques intra-bandes de cinq bandes de fréquences EEG canoniques en jetons apprenables afin de parvenir à une classification robuste de l'état d'attention à partir de signaux EEG monocanaux bruités dans des tâches cognitives numériques.
Cet article présente un outil de reconnaissance et de synthèse vocale (SRST) rentable, exclusivement logiciel, développé sous MATLAB, qui facilite la communication bidirectionnelle entre les personnes malentendantes et malvoyantes en convertissant la parole en texte à haut contraste et le texte en parole synthétisée, atteignant une efficacité opérationnelle d'environ 90 % sans nécessiter de matériel spécialisé.
Cette étude démontre que, bien qu'une méthode de matrice de transfert exacte permette une évaluation efficace des noyaux quantiques de fidélité pour le criblage d'abrégés biomédicaux, les modèles qui en résultent ne parviennent pas à surpasser les bases de référence classiques robustes en termes de performance de classement globale, malgré l'offre d'améliorations spécifiques de l'utilité du point de fonctionnement aux seuils de sensibilité élevés.
Cet article introduit une couche de décision séquentielle en flux pour la détection de deepfakes vocaux qui, bien qu'incapable d'améliorer la précision brute sous les codecs de téléphonie réels, réduit considérablement l'erreur de l'appel engagé en exploitant l'abstention précoce basée sur la confiance et souligne que le calibrage doit être adapté aux conditions de canal spécifiques pour éviter une surconfiance sévère.