4571 articles
Ce papier présente LLaVAShield, un cadre de sécurité conçu pour auditer les dialogues multimodaux multi-tours dans les modèles vision-langage, accompagné du jeu de données MMDS et de la méthode MMRT pour générer et évaluer des risques complexes que les approches traditionnelles ne peuvent pas détecter.
Cette étude présente un pipeline d'apprentissage profond évolutif utilisant une approche U-Net en deux passes pour extraire le premier jeu de données national à accès libre des empreintes urbaines de la France métropolitaine entre 1925 et 1950 à partir des cartes historiques Scan Histo, permettant ainsi une analyse quantitative de l'étalement urbain avant les années 1970.
Cet article présente un algorithme de planification de mouvement en temps réel nommé MPC-CLF-CBF, basé sur des courbes de Bézier, qui permet à des essaims de robots de maintenir ou de rétablir leur connectivité tout en naviguant efficacement dans des environnements encombrés, comme démontré par des simulations et une expérience physique avec huit quadrotors Crazyflie.
LARA-Gen est un cadre innovant qui permet un contrôle continu et fin des émotions dans la génération musicale en alignant les états internes du modèle sur une représentation affective latente, en découplant les attributs émotionnels du contenu textuel via un espace valence-arousal, et en offrant une évaluation objective grâce à un nouveau benchmark.
Cet article propose une approche hybride utilisant un robot quadrupède pour générer des cartes métriques et sémantiques centrées sur les objets, offrant un compromis optimal entre la précision des détails individuels et le contexte global de la scène, ce qui améliore la compréhension et la planification des tâches par les grands modèles de langage (LLM) tout en surpassant les méthodes existantes en termes de précision et d'efficacité.
Le papier présente NaviGait, un cadre hiérarchique combinant l'optimisation de trajectoire et l'apprentissage par renforcement pour générer des politiques de locomotion bipède robustes et intuitives en sélectionnant et en adaptant des pas issus d'une bibliothèque précalculée.
BanaServe est un cadre d'orchestration dynamique qui améliore l'efficacité du service de modèles de langage (LLM) en équilibrant les ressources de calcul et de mémoire entre les étapes de préremplissage et de décodage grâce à une migration flexible des poids et des caches KV, permettant ainsi d'atteindre un débit supérieur et une latence réduite par rapport aux systèmes existants.
Cet article propose un cadre de compression vidéo neuronale en temps réel unifiant le codage intra et inter au sein d'un modèle unique, capable de gérer efficacement les disocclusions et de réduire la propagation d'erreurs, surpassant ainsi l'état de l'art DCVC-RT avec une réduction moyenne de 12,1 % du taux de bits BD.
Cet article présente PULL, un algorithme complet et léger fonctionnant en temps polynomial qui résout efficacement le problème de recherche de chemin multi-agent connecté et non étiqueté (CUMAPF) pour des essaims de robots, surpassant les méthodes d'optimisation par programmation linéaire en entier en termes d'évolutivité.
Cet article remet en question l'hypothèse selon laquelle la replanification réactive nécessite la mise à jour de plans existants, démontrant qu'il est plus efficace de résoudre le problème comme une série de problèmes indépendants grâce à des algorithmes de planification presque sûrement asymptotiquement optimaux (ASAO) tels que EIT* et AORRTC.
Ce papier démontre qu'une sélection judicieuse d'un sous-ensemble de repères corporels, combinée à une imputation par splines, permet de reconnaître les signes isolés de la LIBRAS avec une précision égale ou supérieure aux méthodes de pointe tout en accélérant le traitement de plus de cinq fois par rapport à l'approche précédente.
Ce papier présente FRIDA, un cadre léger et efficace en données qui exploite les caractéristiques d'un modèle Stable Diffusion pré-entraîné pour détecter les images synthétiques sans apprentissage et attribuer leur source avec une robustesse supérieure aux générateurs non vus.
L'article présente EgoMI, un cadre d'apprentissage par imitation qui comble le fossé d'incarnation entre humains et robots en capturant des trajectoires coordonnées des mains et de la tête active, permettant ainsi à des robots semi-humanoïdes d'acquérir des compétences de manipulation robustes grâce à une politique enrichie par la mémoire pour gérer les changements dynamiques de point de vue.
Ce papier propose SPAN, une nouvelle méthode d'alignement spatial et de projection qui améliore la détection d'objets 3D monoculaire en imposant des contraintes géométriques globales et une cohérence entre les boîtes 3D et 2D, tout en utilisant une stratégie d'apprentissage hiérarchique pour assurer la stabilité de l'entraînement.
Le papier propose V-Attack, une nouvelle méthode d'attaque adversariale pour les grands modèles vision-langage qui cible les caractéristiques de valeur (V) désengagées plutôt que les patchs entremêlés, permettant ainsi un contrôle sémantique local précis et une amélioration significative du taux de réussite des attaques.
Le papier présente AFRO, un cadre d'apprentissage auto-supervisé qui génère des représentations 3D dynamiques pour la robotique en modélisant les transitions d'état via un processus de diffusion, éliminant ainsi le besoin de reconstruction géométrique explicite et améliorant significativement les taux de réussite dans des tâches de manipulation réelles et simulées.
Cet article présente le premier cadre formel pour les modèles de monde audiovisuels (AVWM), introduisant le jeu de données AVW-4k et le modèle AV-CDiT basé sur la diffusion pour simuler de manière synchronisée les dynamiques visuelles et sonores, améliorant ainsi significativement la navigation des agents.
Les auteurs démontrent qu'une méthode exacte simple résout la quasi-totalité des instances classiques du problème du voyageur de commerce avec fenêtres de temps en moins de dix secondes, révélant ainsi que ces benchmarks ne sont plus représentatifs pour évaluer les performances des algorithmes.
Ce papier propose AVGGT, une méthode d'accélération sans réentraînement pour les modèles VGGT et qui, en s'appuyant sur une analyse des rôles de l'attention globale, remplace les premières couches par une attention par image et subsample les suivantes, permettant ainsi des gains de vitesse allant jusqu'à 10 fois sur des séquences longues tout en préservant la précision.
Le papier propose UniBYD, un cadre unifié intégrant une représentation morphologique unifiée et un apprentissage par renforcement dynamique pour dépasser la simple imitation humaine et apprendre des politiques de manipulation robustes adaptées à diverses morphologies robotiques, validé par le nouveau benchmark UniManip qui démontre une amélioration significative des taux de réussite.