3466 articles
Ce papier présente Poly-DETR, un transformateur de détection de polygones qui reformule la segmentation d'instances comme une régression de sommets via une représentation polaire pour résoudre le compromis entre haute résolution et inférence légère, surpassant les méthodes existantes en précision et en efficacité mémoire.
Cet article présente \tool{}, un cadre automatisé de « programmation orientée raisonnement » qui contourne les mécanismes de sécurité des modèles vision-langage en orchestrant des entrées visuelles bénignes et orthogonales pour générer une logique malveillante uniquement lors de l'étape de raisonnement tardif.
Le papier présente RF-Mem, un système de récupération de mémoire adaptatif qui imite le double processus cognitif humain de familiarité et de récollection pour personnaliser efficacement les grands modèles de langage sans surcharge computationnelle.
Cet article propose le cadre « Platooning as a Service » (PlaaS), modélisé comme un jeu de Stackelberg, pour optimiser la tarification et les contrats de services de pelotonnage de véhicules connectés et autonomes afin de réduire les émissions de carbone et d'améliorer l'efficacité du transport, tout en analysant l'impact des subventions gouvernementales et des paramètres opérationnels sur la durabilité.
Ce papier propose DiP, un cadre novateur d'apprentissage de représentations pour les graphes multimodaux qui utilise des nœuds pseudo-spécifiques et des voies d'information dynamiques pour réaliser une propagation de messages adaptative, expressive et parcimonieuse avec une complexité linéaire, surpassant ainsi les méthodes existantes sur diverses tâches.
Cet article propose un cadre d'apprentissage à grande échelle pour la navigation vision-langage, tirant parti de vidéos web et de représentations géométriques implicites extraites directement des images RGB pour surmonter les limites des simulateurs et atteindre des performances de pointe avec une généralisation zéro-shot.
Cette étude examine l'impact de la latence sur la fluidité d'interaction et la présence sociale dans les conférences en réalité virtuelle, en comparant ces dimensions perceptives et cognitives à celles des visioconférences traditionnelles afin d'optimiser les systèmes immersifs.
Cet article étudie le problème de couplage non croisé pondéré en ligne dans le plan euclidien, démontrant l'impossibilité d'un rapport de compétitivité non trivial pour les algorithmes déterministes tout en établissant l'existence d'un rapport constant grâce à la randomisation, et en fournissant des bornes pour diverses variantes ainsi qu'une amélioration de la complexité en conseils nécessaire pour l'optimalité.
Ce papier propose le modèle TPIFM, une approche axée sur la tâche pour évaluer la fluidité d'interaction perceptive dans la collaboration AR à distance en tenant compte des caractéristiques intrinsèques des tâches et des contraintes réseau.
ForgeDreamer est un nouveau cadre de génération textuelle vers 3D conçu pour les applications industrielles qui surmonte les limites des méthodes actuelles grâce à un mécanisme d'ensemble LoRA multi-experts pour une généralisation inter-catégories et une approche d'amélioration géométrique par hypergraphe croisé pour assurer une cohérence structurelle de précision.
L'article présente « FungiSync », une expérience de réalité mixte collaborative qui traduit l'interdépendance des réseaux mycorhiziens en une ritualisation somatique où le toucher physique entre les participants fait fusionner leurs perceptions numériques distinctes, invitant ainsi à une épistémologie fongique fondée sur la symbiose et la relationnalité.
Cet article propose de nouvelles stratégies d'entraînement et des pertes pour accélérer l'apprentissage du splatting gaussien 3D en raccourcissant les listes de gaussiennes nécessaires au rendu, grâce à un rétrécissement régulier des échelles et une contrainte d'entropie, tout en intégrant un planificateur de résolution progressive pour améliorer l'efficacité sans sacrifier la qualité.
Ce papier présente SVOR, un cadre robuste pour la suppression d'objets vidéo qui surmonte les défis du monde réel tels que les ombres et les masques défectueux grâce à trois innovations clés : MUSE, DA-Seg et un entraînement en deux étapes, atteignant ainsi des résultats state-of-the-art.
Cet article propose une nouvelle approche d'apprentissage de champs de caractéristiques pour réaliser la première décomposition convexe en avant dans un monde ouvert, permettant de décomposer efficacement des formes 3D en corps convexes pour des applications telles que la détection de collisions.
Le papier présente CogBlender, un cadre innovant permettant une intervention continue et multidimensionnelle des propriétés cognitives (telles que la valence, l'éveil, la dominance et la mémorabilité) lors de la génération d'images à partir de texte, en reliant l'espace cognitif au manifold sémantique via des ancres cognitives et un champ de vitesse interpolé.
Ce papier présente MDTrack, un cadre novateur pour le suivi d'objets multimodaux qui améliore les performances grâce à une fusion adaptative par experts spécialisés et une propagation temporelle découplée via des modèles d'espace d'état, surpassant ainsi les méthodes existantes sur plusieurs benchmarks.
Le papier présente ToolRosetta, un cadre unifié qui automatise la conversion de dépôts de code open-source en outils MCP standardisés pour permettre aux agents d'IA d'exécuter des tâches complexes avec une intervention humaine minimale, tout en intégrant une couche de sécurité et en surpassant les performances des modèles commerciaux.
Le papier présente SPR, un cadre vision-langage-action progressif qui améliore la robustesse de la manipulation robotique en ancrant les instructions dans des sous-objectifs spatiaux et en permettant une récupération automatique des échecs via un cycle de rétroaction, surpassant ainsi les méthodes de référence sur les benchmarks LIBERO.
Cette étude analyse l'impact de la latence sur la qualité de l'expérience dans les tableaux blancs en réalité virtuelle en réseau, en examinant comment les modes de collaboration et la présence d'avatars modulent les aspects pragmatiques et hédoniques de l'expérience utilisateur.
Le papier présente CORAL, un cadre évolutif qui atténue les interférences entre tâches dans l'apprentissage robotique multi-tâches en gelant un seul modèle VLA pré-entraîné et en attachant des experts LoRA légers et isolés par tâche, permettant ainsi une gestion dynamique sans interférence paramétrique ni oubli catastrophique.