5290 articles
Le papier présente PROMO, un cadre de essayage virtuel promptable basé sur un modèle de Flow Matching DiT qui, grâce à une concaténation conditionnelle multi-modale et des mécanismes d'autoréférence, réalise un essai virtuel haute fidélité avec une efficacité d'inférence supérieure aux méthodes précédentes.
Le papier présente UCAN, un réseau léger qui unifie les convolutions et l'attention pour étendre efficacement le champ récepteur, permettant une super-résolution d'image performante et économe en ressources grâce à des mécanismes innovants comme l'attention Hedgehog et le partage de paramètres.
Cet article présente COTONET, un modèle de détection de capsules de coton à tous les stades de croissance basé sur une architecture YOLO11 personnalisée intégrant des mécanismes d'attention avancés, qui surpasse les modèles de référence avec une précision élevée tout en restant adapté aux dispositifs embarqués à ressources limitées.
Cet article présente HERDS, un algorithme d'apprentissage en ligne innovant qui optimise l'allocation de ressources pour atténuer les conflits humains-éléphants en s'adaptant à des adversaires écologiques stratégiques et partiellement observables grâce à une minimisation du regret dans un cadre de feedback semi-bandeau.
Cet article présente un nouveau mécanisme de protection de la propriété intellectuelle dans les systèmes embarqués qui lie les paramètres logiciels à l'empreinte matérielle unique d'un microcontrôleur via une fonction physiquement non clonable (PUF), rendant les copies non autorisées sous-optimales et la rétroanalyse complexe sans nécessiter de matériel supplémentaire.
Ce papier présente VTEdit-Bench, un benchmark complet évaluant les modèles d'édition d'images universels multi-références pour le essai virtuel, révélant via une nouvelle métrique VTEdit-QA que ces modèles surpassent les solutions spécialisées dans la généralisation à des scénarios complexes malgré des défis persistants avec les conditionnements multi-vêtements.
Le papier présente SoulX-LiveAct, une méthode innovante utilisant le forçage par voisin et une mémoire ConvKV structurée pour surmonter les défis de stabilité et d'efficacité des modèles de diffusion autoregressifs, permettant ainsi une animation humaine en temps réel de plusieurs heures avec une haute qualité et un faible coût de calcul.
Le papier présente PhiPlot, un environnement web interactif qui intègre la visualisation, le clustering et l'expertise de domaine pour explorer et réduire la dimensionnalité des données complexes sur les molécules atmosphériques, facilitant ainsi la découverte de modèles liés à la formation des aérosols.
Ce papier propose un cadre novateur pour la génération de vidéos égocentriques contrôlables, qui surmonte les limitations des méthodes existantes en matière de cohérence 3D et d'occlusion en exploitant des articulations de mains 3D clairsemées comme signaux de contrôle, tout en introduisant un module de contrôle robuste et un vaste jeu de données annotés pour garantir une fidélité visuelle et une généralisation cross-embodiment exceptionnelles.
Cet article présente un algorithme optimal en temps et en espace pour énumérer tous les arbres couvrants dirigés d'un graphe, égalisant ainsi la complexité de la version non dirigée grâce à une nouvelle caractérisation théorique des graphes possédant peu d'arbres couvrants.
Les auteurs proposent des structures de données efficaces pour la recherche de voisins les plus proches approximatifs et les requêtes de chemins courts dans un domaine polygonal dynamique, permettant des insertions et suppressions de sites avec des garanties d'approximation et des temps de requête et de mise à jour polynomiaux en fonction de la précision .
Cet article présente HyperExpress, une méthode innovante qui exploite l'espace hyperbolique et les modèles de diffusion pour extraire des concepts intrinsèques composables et interprétables à partir d'une seule image, permettant ainsi de reconstruire l'objet original grâce à la combinaison de ses concepts d'objets et d'attributs.
Cette étude démontre que l'intégration de l'humeur de l'utilisateur, via le spectre énergie-valence, améliore de manière statistiquement significative la qualité des recommandations musicales par rapport aux systèmes de filtrage collaboratif ou basé sur le contenu traditionnels.
Cet article établit les limites fondamentales de l'efficacité de la bande passante dans le consensus leader-based, démontrant qu'une finalité en trois tours permet de réduire le taux d'expansion des données à 1 grâce à un mécanisme de récupération par codage effaçable, contrairement à la limite d'environ 2,5 imposée aux protocoles à deux tours.
Cet article propose T-SimCSE, une nouvelle approche basée sur le modèle pré-entraîné SimCSE qui améliore la récupération des liens de traçabilité des exigences en calculant la similarité et en réorganisant les artefacts grâce à une métrique de spécificité, atteignant ainsi des performances supérieures en rappel et en précision moyenne sans nécessiter de données étiquetées.
Cet article propose une approche algorithmique de clustering spatial contraint pour partitionner les municipalités israéliennes en cantons politiquement homogènes, démontrant que la géographie électorale du pays reste structurellement stable malgré la polarisation récente et révélant une division naturelle en cinq régions politiques distinctes.
Le papier présente HiSync, un cadre de fusion optique-inertielle qui aligne les mouvements de main captés par une caméra robotique et un IMU portable pour identifier avec une grande précision la source d'une commande dans des interactions humain-robot à longue distance et multi-utilisateurs.
Cet article présente CEI-3D, une nouvelle méthode de reconstruction 3D collaborative combinant des réseaux implicites et des points explicites pour permettre un réalisme accru et un contrôle fin lors de l'édition d'objets.
OMNIA est une approche en deux étapes qui améliore la complétion des graphes de connaissances générés par des LLMs en combinant un raisonnement structurel et sémantique pour inférer et valider de nouvelles triples sans recourir à des sources externes.
Cette étude démontre que, bien que l'intelligence artificielle améliore la performance diagnostique en pathologie computationnelle, elle introduit des biais d'automatisation et d'ancrage qui s'intensifient sous pression temporelle et varient selon l'expérience et la confiance des experts.