5138 articles
Ce papier présente CrossEarth-SAR, le premier modèle fondationnel d'observation de la Terre à base de radar à synthèse d'ouverture (SAR) à l'échelle du milliard de paramètres, qui utilise une architecture guidée par la physique pour surmonter les décalages de domaine et atteindre des performances de segmentation sémantique généralisables inédites.
L'article présente Pano360, une méthode innovante qui étend l'alignement d'images panoramiques à l'espace 3D photogrammétrique en utilisant une architecture basée sur des transformateurs et des poses de caméra pour garantir une cohérence géométrique globale et réduire les distorsions, le tout soutenu par un nouveau jeu de données à grande échelle.
Cet article présente une méthode hybride basée sur Apptainer au sein de l'infrastructure EBRAINS qui permet de déployer des environnements logiciels scientifiques portables et performants sur des clusters HPC variés, en encapsulant des piles MPI et CUDA tout en préservant les performances natives grâce à l'utilisation dynamique des ressources matérielles hôtes.
En éliminant les clusters de haute qualité avant chaque étape de pivot, les auteurs améliorent le ratio d'approximation de l'algorithme de clustering par pivot de 3 à 2,9991 et démontrent ses performances supérieures sur des données synthétiques.
Cette étude présente la première analyse de sécurité systématique du lien radio Iridium, révélant par ingénierie inverse et l'analyse de trafic que les clés secrètes peuvent être extraites pour cloner les appareils, que la quasi-totalité des communications est transmise en clair sans chiffrement, et que le système est vulnérable à des attaques de spoofing et de brouillage par des adversaires peu équipés.
NBAvatar est une méthode de rendu réaliste d'avatars de tête qui combine des primitives planes orientées et un rendu neuronal pour gérer efficacement les déformations non rigides et les interactions complexes entre les mains et le visage, surpassant ainsi les approches existantes en termes de qualité de rendu sous nouveaux angles et poses.
Cet article propose un cadre d'optimisation en deux étapes pour la reconstruction de scènes dynamiques denses et l'estimation de pose à partir de vidéos multi-caméras, en combinant un suivi SLAM étendu avec une initialisation robuste et un raffinement par flux optique, tout en introduisant le nouveau jeu de données MultiCamRobolab pour valider la méthode.
Node-RF est une méthode qui combine les équations différentielles ordinaires neuronales et les champs de rayonnement neuronaux pour apprendre une représentation continue des dynamiques de scène, permettant ainsi de prédire et d'extrapoler des mouvements à long terme au-delà des séquences d'entraînement observées.
Cet article propose un cadre d'optimisation piloté par la connaissance pour la sélection de petites cellules en réseaux 6G, combinant une modélisation par théorie des files d'attente et un apprentissage léger pour réduire significativement la latence et les pertes de paquets dans des environnements denses et mobiles.
Le papier propose EmbTracker, un cadre de filigrane noir traçable côté serveur pour les modèles de langage fédérés, permettant d'identifier de manière unique les clients malveillants ayant divulgué leurs modèles via des requêtes API, tout en résistant aux attaques d'élimination et en préservant les performances du modèle principal.
Cet article présente le premier cadre complet de modélisation cinématique et dynamique pour le manipulateur côté patient dVRK-Si, permettant l'identification des paramètres et une compensation de la gravité qui réduisent significativement les erreurs de positionnement et améliorent la précision du suivi de trajectoire par rapport aux méthodes traditionnelles.
Cet article présente une structure de données à espace quasi linéaire pour le comptage approximatif de points dans des sphères de haute dimension, offrant un temps de requête sous-linéaire même lorsque le nombre de points dans la zone d'ambiguïté est faible, et propose en outre un algorithme de prétraitement adaptatif aux distributions de requêtes.
EvoTok est un tokenizeur d'images unifié qui résout le compromis entre la compréhension visuelle et la génération en encodant les images dans un espace latent partagé via une évolution résiduelle, permettant ainsi d'obtenir d'excellents résultats sur les deux tâches malgré un jeu de données d'entraînement réduit.
Ce papier présente PrivCI, une méthode de synthèse de données différentiellement privée qui intègre des contraintes d'indépendance conditionnelle dans une étape de mesure basée sur un arbre couvrant minimal pour éliminer les biais tout en préservant la fidélité des données.
Cet article propose un cadre unifié analysant la co-évolution des dynamiques d'opinion et des effets performatifs des systèmes d'apprentissage, démontrant que ces interactions créent de nouveaux équilibres qualitatifs où les objectifs prédictifs agissent comme une force d'homogénéisation et amplifient les effets de débordement, modifiant ainsi fondamentalement la réponse des réseaux sociaux aux interventions.
Le papier présente HATS, un cadre de synthèse de trajectoires qui améliore la généralisation des agents GUI en identifiant et en ciblant spécifiquement les actions sémantiquement ambiguës grâce à une boucle fermée d'exploration guidée par la difficulté et de raffinement aligné.
Cet article présente ChemSICal-Net, un modèle de réseau de réactions chimiques intégrant un contrôle temporel par oscillateur et une optimisation bayésienne adaptative pour réaliser une annulation successive des interférences dans les communications moléculaires, démontrant ainsi une amélioration significative de la précision de détection et de l'efficacité des paramètres.
Ce papier présente EgoIntent, un benchmark de niveau étape pour les vidéos égocentriques évaluant la compréhension des intentions locales, globales et des étapes suivantes, et révèle que les modèles multimodaux actuels peinent encore à maîtriser cette tâche complexe.
Cet article présente un algorithme déterministe, à la fois temporel, en messages et en mémoire optimal, pour le problème de l'arbre couvrant de poids minimal et l'agrégation partielle, comblant ainsi une lacune majeure des méthodes existantes qui limitent leur déploiement dans les réseaux modernes.
Le papier présente LatentGeo, un cadre innovant qui internalise les constructions géométriques auxiliaires dans un espace latent continu via un apprentissage par curriculum et un renforcement adapté, surmontant ainsi les limites des approches existantes pour améliorer le raisonnement géométrique multimodal.