294 articles
Cet article propose une architecture de métasurfaces intelligentes empilées (SIM) codées espace-temps randomisées pour la connectivité descendante massive, qui améliore la diversité multi-utilisateurs et réduit considérablement la surcharge d'estimation et de retour d'information de l'état du canal grâce à une stratégie de beamforming basée sur un état partiel du canal.
Cette étude compare les stratégies d'amélioration de la parole dans l'espace latent de codecs audio neuronaux, démontrant que la prédiction de représentations continues avec un modèle non-autoregressif et un fine-tuning de l'encodeur offre les meilleures performances globales, malgré un compromis sur la reconstruction du codec.
Le papier présente WhisperVC, un cadre à trois étapes qui découple l'alignement inter-domaines et la génération vocale pour convertir efficacement la parole chuchotée en parole normale avec peu de données, en utilisant une VAE basée sur Conformer et un générateur de mélodies conditionné par le locuteur.
Ce papier propose une nouvelle approche de multiplexage, incluant des stratégies parallèles et séquentielles ainsi que le modèle MaskNet, qui combine plusieurs techniques de tatouage audio pour surmonter les limites des schémas uniques et offrir une protection robuste contre les distorsions sophistiquées et les attaques neuronales.
Cet article propose le filtrage de sécurité cohérent avec le chemin (PACS), une méthode qui garantit la sécurité formelle des politiques de diffusion tout en préservant leur taux de réussite aux tâches en évitant les modifications imprévisibles des actions lors du déploiement.
Cette étude démontre que, lors de conversations dyadiques en milieu bruyant, les locuteurs augmentent la complexité de leurs gestes et la modulation de leurs mouvements de tête et de tronc pour soutenir la communication, tandis que les auditeurs intensifient leurs rétroactions, le tout s'accompagnant d'une légère diminution de la synchronie main-parole.
Cet article présente une architecture en tuiles pour un radar MIMO massif à large bande qui, en combinant la réduction de dimension dans l'espace des faisceaux et un entraînement coordonné des formeurs de faisceaux MVDR, permet un traitement efficace et performant d'un réseau de 1024 éléments pour la détection de cibles aériennes malgré des interférences terrestres fortes.
Ce papier présente LiM-YOLO, un détecteur optimisé pour la détection de navires dans les images satellitaires qui améliore la précision et l'efficacité en déplaçant la pyramide de caractéristiques vers des niveaux plus fins (P2-P4) et en intégrant une normalisation par groupes pour surmonter les défis liés aux petites cibles et aux contraintes de mémoire.
Cet article présente la conception et la mise en œuvre d'un système de localisation relative pour le robot modulaire SnailBot, qui fusionne la reconnaissance de marqueurs ArUco, l'analyse du flux optique et les données IMU pour assurer un positionnement précis et robuste en temps réel.
Cet article étend la théorie des polynômes lorentziens et complètement log-concaves aux variétés et dynamiques contraintes par un cône convexe, établissant de nouveaux critères de stabilité de Lyapunov pour les systèmes d'inégalités variationnelles évolutives et des interprétations de dépendance négative via des inégalités de Rayleigh généralisées.
Cet article présente la première étude systématique de l'encodage de l'information accentuelle dans les tokens de représentation de parole discrète (DSRT), révélant que le choix des couches est déterminant pour conserver ces informations, que la supervision par la reconnaissance automatique de la parole les réduit considérablement, et que la simple réduction de la taille du codebook ne permet pas de les dissocier efficacement des informations phonétiques et de locuteur.
Cette étude présente une approche hybride combinant l'apprentissage et des modèles pour la détection rapide de glissement via des capteurs tactiles multimodaux et l'optimisation des forces internes, permettant une stabilisation réactive des préhensions multifilaires en boucle fermée avec une latence inférieure à 50 ms.
Ce papier présente CoPeDiT, un modèle de diffusion transformateur latent qui intègre une perception de complétude pour synthétiser de manière unifiée et fidèle des IRM 3D en inférant automatiquement les états manquants sans dépendre de guides externes.
Ce prépublication présente un ajusteur de réseau de neurones pour la commande prédictive à état fini (FSMPC) d'un moteur à induction, dont l'efficacité est validée expérimentalement sur une machine pentaphasée en utilisant des données issues de tests par échelon.
Cet article propose une modélisation du problème de tour optimal pour une station de base mobile (MOT) dans les réseaux IoT étendus, démontrant sa complexité NP-complète et présentant un algorithme heuristique glouton polynomial qui surpasse les approches existantes en optimisant conjointement le coût du trajet, la couverture des capteurs et le temps d'exécution.
Cet article présente un cadre hiérarchique de contrôle prédictif adaptatif qui permet à des robots quadrupèdes de transporter de manière robuste des charges statiques et dynamiques inconnues sur des terrains accidentés en estimant les paramètres du modèle de locomotion et en assurant la stabilité via un critère convexe intégré à la commande prédictive.
Cet article présente un contrôleur prédictif non linéaire amélioré par la sécurité (SEP-NMPC) qui garantit la stabilité et l'absence de collisions pour un drone quadricoptère transportant une charge suspendue dans des environnements encombrés, en intégrant une inégalité de passivité stricte et des fonctions barrières de contrôle d'ordre élevé directement dans l'optimisation en temps réel.
Cet article propose une méthode de prédiction conforme adaptative et consciente de la formation, intégrée à un contrôleur CBF-QP, pour garantir la sécurité et le maintien de la visibilité dans les systèmes multi-robots leader-suiveur en présence d'erreurs de perception hétéroscédastiques.
Cet article présente le premier benchmark d'apprentissage continu sans exemples pour la segmentation audio-visuelle, accompagné de la méthode ATLAS qui intègre un conditionnement pré-fusion guidé par l'audio et une ancrage de faible rang pour atténuer l'oubli catastrophique dans des environnements dynamiques.
L'article propose l'USCF, une méthode linéaire simple et inversible qui extrait une représentation speech de faible rang en supprimant le timbre de l'orateur tout en préservant le contenu phonétique, permettant ainsi une conversion vocale en zéro-shot et un entraînement efficace de modèles de synthèse vocale textuelle.