3476 articles
Ce papier présente YOLO-NAS-Bench, le premier benchmark de substitution pour la recherche d'architecture neuronale des détecteurs YOLO, qui utilise un mécanisme d'auto-évolution pour affiner un prédicteur capable d'identifier des architectures surpassant les versions officielles de YOLOv8 à YOLO12.
Le papier présente RiO-DETR, le premier détecteur de type Transformer en temps réel pour la détection d'objets orientés, qui résout les défis spécifiques liés à l'orientation grâce à des innovations architecturales comme l'estimation d'angle pilotée par le contenu et un raffinement périodique découplé, établissant ainsi un nouveau compromis vitesse-précision sur plusieurs benchmarks.
Cet article propose un cadre unificateur pour les théorèmes de dichotomie de complexité des réseaux de tenseurs booléens, en classant les problèmes non résolus selon des catégories de groupes finis et en résolvant notamment le cas des groupes cycliques d'ordre supérieur.
Le papier présente CIGPose, un cadre d'estimation de pose corporelle entière qui utilise l'intervention causale et les réseaux de neurones graphiques pour éliminer les corrélations spurious liées au contexte visuel et améliorer la robustesse des prédictions anatomiques.
Le papier présente MetaDAT, une méthode de prédiction de trajectoire qui améliore la généralisation face aux changements de distribution en combinant un pré-entraînement par méta-apprentissage pour une adaptation rapide et un mécanisme de mise à jour du modèle à l'inférence qui s'adapte dynamiquement aux données et aux échantillons difficiles.
Cette étude démontre que les vulnérabilités binaires dans les modules WebAssembly peuvent compromettre la sécurité des applications web en contournant les mécanismes de défense habituels, et propose des stratégies pour atténuer ces risques.
Cet article présente la construction d'un foncteur qui généralise le modèle AlChemy de Fontana et Buss en attribuant une dynamique à un modèle algébrique de composants interactifs, tout en explorant l'application de la théorie des catégories pour formaliser le lien entre les aspects algébriques et dynamiques de ces chimies artificielles.
Ce papier présente GIIM, une nouvelle approche basée sur les graphes qui améliore le diagnostic médical multi-vues en modélisant simultanément les dépendances intra- et inter-vues tout en garantissant une robustesse face aux données manquantes.
Le papier présente ShapeMark, une méthode de filigrane robuste pour les modèles de diffusion qui encode les bits d'information dans des motifs de bruit structurés plutôt que dans des valeurs individuelles, permettant ainsi de concilier une forte résilience aux altérations et le maintien de la diversité des images générées.
Cet article présente une méthode de descente de gradient Stein variational préconditionnée sur le groupe SE(3) pour générer des trajectoires robotiques ergodiques optimales couvrant des surfaces 3D complexes tout en respectant rigoureusement les contraintes géométriques de l'end-effector.
Ce papier présente SEA-Nav, un cadre d'apprentissage par renforcement qui combine des contraintes de fonctions barrières différentiables, un mécanisme de rejou adaptatif et des contraintes cinématiques pour permettre à des robots quadrupèdes de naviguer de manière sûre et agile dans des environnements encombrés avec un temps d'entraînement de seulement quelques minutes.
Le papier présente TopoOR, une nouvelle représentation topologique unifiée qui modélise les salles d'opération chirurgicales comme des structures d'ordre supérieur pour préserver les relations complexes et multimodales, surpassant ainsi les méthodes existantes dans des tâches critiques comme la détection de brèches de stérilité et la prédiction des phases robotiques.
Ce rapport d'expérience présente une approche systématique et des principes fondamentaux pour intégrer efficacement des cours d'ingénierie des exigences dans des curriculums d'ingénierie logicielle destinés aux professionnels, en tenant compte de la nature dynamique et modulaire de ces formations.
Cet article présente le Corpus Patrologia Graeca, la première ressource ouverte à grande échelle d'OCR et d'annotations linguistiques pour les éditions grecques du XIXe siècle, obtenue grâce à un pipeline spécialisé qui atteint des taux d'erreur record sur cette typographie dégradée et fournit six millions de tokens annotés pour la recherche philologique et l'entraînement de modèles.
Ce papier présente OmniEarth, un nouveau benchmark complet évaluant les modèles vision-langage dans des scénarios d'observation de la Terre à travers 28 tâches de perception, de raisonnement et de robustesse, révélant ainsi les lacunes actuelles des modèles existants face à la complexité géospatiale.
Le papier présente MORE-R1, un modèle novateur qui améliore l'extraction de relations entre objets visuels et entités textuelles en guidant un grand modèle vision-langage via un raisonnement étape par étape optimisé par apprentissage par renforcement, surpassant ainsi les méthodes existantes sur le benchmark MORE.
Le papier présente PruneSID, une méthode sans entraînement pour la compression de tokens visuels dans les modèles vision-langage qui, en combinant une analyse des composantes sémantiques principales et une suppression non maximale intra-groupe, atteint des performances de pointe tout en réduisant drastiquement le nombre de tokens et en accélérant le préremplissage.
Le papier présente StyleVLA, un modèle d'action vision-langage fondé sur la physique et entraîné sur un jeu de données spécialisé, qui génère des trajectoires de conduite autonomes à la fois physiquement plausibles et adaptées à des styles de conduite variés, surpassant ainsi les modèles propriétaires et les approches actuelles.
Cet article propose un cadre novateur de génération d'images à partir de croquis, basé sur une architecture en deux étapes intégrant un autoencodeur à auto-attention et une fusion préservant les coordonnées, qui surpasse les modèles actuels en fidélité et en cohérence spatiale sur divers domaines.
Ce papier propose la distillation diagonale, une méthode asymétrique qui optimise la génération de vidéos en flux continu via des modèles de diffusion en exploitant les dépendances temporelles et en alignant les prédictions de bruit pour réduire la latence tout en préservant la cohérence du mouvement.