5311 articles
Le papier présente CompassNav, une nouvelle approche qui remplace l'imitation de trajectoires par une compréhension des décisions via un jeu de données enrichi et une fonction de récompense hybride, permettant à un agent de 7B de surpasser les modèles propriétaires sur des benchmarks de navigation et de réussir sur un robot physique.
Le papier présente SDGraph, une architecture d'apprentissage profond basée sur un graphe combinant des structures clairsemées et denses pour modéliser efficacement les esquisses à trois niveaux (esquisse, trait et point), améliorant ainsi significativement les performances dans les tâches de classification, de recherche et de génération.
Le papier présente InstantSfM, un système de Structure-from-Motion entièrement basé sur GPU et compatible PyTorch qui intègre des priors de profondeur métrique pour résoudre l'ambiguïté d'échelle et offre une accélération d'environ 40 fois par rapport à COLMAP tout en maintenant une précision de reconstruction élevée.
Le papier présente UltraGen, un cadre novateur utilisant une attention locale hiérarchique et une guidance globale à basse résolution pour permettre une génération d'images text-to-image ultra-haute définition (au-delà de 8K) efficace, rapide et économiquement viable en mémoire.
Le papier présente REALM, un cadre d'agent MLLM innovant qui permet la segmentation et l'édition 3D en monde ouvert sur des représentations Gaussian Splatting en utilisant une stratégie de localisation spatiale globale-à-locale pour interpréter avec précision des instructions complexes sans nécessiter de post-entraînement spécifique.
Cet article propose des algorithmes d'échantillonnage et une méthode déterministe asynchrone efficaces pour maximiser l'opinion globale dans les réseaux sociaux en modifiant stratégiquement les opinions internes de nœuds clés, surpassant ainsi les méthodes traditionnelles en termes de précision et d'évolutivité sur des réseaux de grande taille.
Cette étude démontre que les nœuds de chevauchement dans les réseaux complexes exercent une influence supérieure à celle des nœuds non chevauchants lors des processus de diffusion, révélant ainsi leur importance stratégique qui dépend de la manière dont les structures circulaires sont définies.
Ce papier présente Compiler.next, un compilateur novateur basé sur la recherche qui transforme les intentions humaines en logiciels fonctionnels en optimisant dynamiquement les architectures cognitives et les modèles d'IA, afin de démocratiser le développement logiciel et d'inaugurer l'ère de l'Ingénierie Logicielle 3.0.
Ce papier propose ADC-SID, un cadre innovant qui améliore la génération d'identifiants sémantiques robustes pour les systèmes de recommandation en adaptativement débruyant les informations collaboratives via un alignement comportement-contenu ajustable et un mécanisme de pondération dynamique des identifiants comportementaux.
Le papier présente EyeAgent, un premier cadre d'IA agentique interprétable pour le soutien décisionnel clinique en ophtalmologie, qui orchestre dynamiquement 53 outils spécialisés sur 23 modalités d'imagerie pour atteindre une précision diagnostique supérieure et améliorer significativement les performances des médecins, en particulier des juniors.
Ce papier évalue plusieurs codecs de compression audio courants en analysant non seulement leur efficacité de compression, mais aussi leur qualité perceptuelle sonore via des mesures, des visualisations et des scores PEAQ, afin d'orienter les utilisateurs dans le choix d'un schéma de compression adapté.
Le papier présente X-WIN, un modèle de monde innovant pour les radiographies thoraciques qui apprend à prédire des projections 2D à partir de connaissances volumiques 3D extraites des scanners CT, surmontant ainsi les limites de la superposition structurelle et surpassant les modèles existants dans diverses tâches de diagnostic.
Le papier présente MergeVLA, une architecture d'agent Vision-Language-Action conçue pour fusionner efficacement des compétences multiples en résolvant les conflits de paramètres et les dépendances inter-couches grâce à des adaptateurs LoRA activés de manière clairsemée et des experts d'action basés sur l'attention croisée, permettant ainsi une généralisation robuste sans nécessiter de fine-tuning individuel.
Ce papier présente COVec, un cadre de vectorisation d'images inspiré du principe du clair-obscur qui introduit pour la première fois la décomposition d'images intrinsèques dans le domaine vectoriel afin d'améliorer la fidélité visuelle et l'édition des images réelles complexes.
Ce papier présente AD-R1, un cadre d'apprentissage par renforcement en boucle fermée pour la conduite autonome qui utilise un modèle de monde impartial, enrichi par une synthèse de contre-factuels, pour prédire et éviter les dangers en apprenant à « rêver » des conséquences négatives des actions.
Ce papier présente TEAR, un cadre de red-teaming automatisé et temporellement conscient conçu pour révéler les risques de sécurité spécifiques aux modèles de texte-vidéo en exploitant leurs dynamiques temporelles, atteignant un taux de réussite d'attaque supérieur à 80 %.
Cet article présente des algorithmes randomisés permettant d'obtenir des approximations du problème du maximum de clique en temps quasi-linéaire pour les graphes de disques unitaires et en temps paramétré pour les graphes de disques à rayons distincts.
Ce papier présente AEIC, un cadre de compression d'images asymétrique qui utilise un encodeur peu profond couplé à un décodeur par diffusion en une étape pour atteindre une haute fidélité perceptuelle à des débits ultra-faibles tout en garantissant une efficacité d'encodage exceptionnelle pour les appareils aux ressources limitées.
Cet article présente une méthode de contrôle par apprentissage par renforcement permettant à un manipulateur aérien sous-actionné et léger de réaliser un contrôle précis de la pose de son effecteur terminal en six degrés de liberté, même en présence de perturbations externes et de tâches de contact.
Ce papier présente SVBench, le premier benchmark évaluant la capacité des modèles de génération vidéo à produire des comportements socialement cohérents en testant sept dimensions de la cognition sociale, et révèle un écart significatif entre le réalisme visuel actuel et la compréhension des dynamiques psychologiques et sociales.