7022 articoli
Questo paper presenta un sistema di inferenza ottimizzato per la generazione video basato su trasformatori di diffusione, che utilizza un'incodifica posizionale 3D sequenziale-parallela con un indice temporale globale per ridurre la latenza e l'uso di memoria, permettendo la generazione di video in tempo reale con qualità comparabile.
Questo studio rivela che, nel contesto medico, il ragionamento a catena di pensiero (CoT) spesso peggiora le prestazioni rispetto alla risposta diretta a causa di un collo di bottiglia nella percezione visiva, ma dimostra che interventi di ancoraggio percettivo e grounding descrittivo possono ripristinare l'accuratezza migliorando l'allineamento cross-modale.
Il paper presenta SIL-GPO, un framework di apprendimento per rinforzo che utilizza reti di attenzione su grafi e apprendimento per auto-imitazione per ottimizzare l'orchestrazione ibrida di servizi AI e microservizi negli ambienti edge, riducendo significativamente la latenza e migliorando l'utilizzo delle risorse rispetto alle soluzioni esistenti.
Il paper propone CalibFusion, un rilevatore di fusione radar-camera basato su transformer che apprende end-to-end il raffinamento differenziabile della calibrazione estrinseca per migliorare la rilevazione 2D in ambienti acquatici caratterizzati da texture scarse e clutter radar.
Il paper presenta ERP-RiskBench, un nuovo framework sperimentale sicuro dalle fughe di dati che utilizza un ensemble di apprendimento automatico per migliorare il rilevamento dei rischi finanziari nei sistemi ERP, offrendo un benchmark riproducibile e una valutazione rigorosa delle prestazioni.
Lo studio dimostra che, sebbene l'inizializzazione con rumore semantico mostri un lieve trend positivo su alcune dimensioni temporali nella generazione video, i risultati complessivi non superano significativamente la baseline con rumore gaussiano a causa di un segnale debole e instabile, suggerendo l'adozione di valutazioni accoppiate e diagnosi nello spazio del rumore come pratica standard.
Il paper presenta AutoFigure-Edit, un sistema end-to-end che genera illustrazioni scientifiche completamente modificabili e adattabili stilisticamente partendo da testi lunghi, combinando la comprensione del contesto, lo stile guidato da riferimenti e la modifica nativa in SVG.
Questo lavoro presenta un modello ibrido di apprendimento few-shot integrato con l'intelligenza artificiale spiegabile (XAI) per diagnosticare con alta precisione e trasparenza le malattie delle foglie di mais, riso e grano anche in condizioni di dati annotati limitati.
Il paper propone PRPO, un metodo di ottimizzazione parallela per risolvere i conflitti di addestramento nei modelli LVLM per l'analisi dei grafici, e MCDR-Bench, una nuova benchmark per la valutazione oggettiva delle capacità di ricerca approfondita, stabilendo un quadro unificato che supera le attuali limitazioni nell'intelligenza dei dati visivi.
Il paper introduce MultiGen, un motore di gioco basato su diffusione che integra una memoria esterna persistente e modulare per abilitare il controllo modificabile degli utenti sull'ambiente e garantire interazioni coerenti in mondi multiplayer condivisi.
Il paper presenta VB, un nuovo benchmark che valuta la capacità dei modelli visione-linguaggio di determinare la visibilità degli elementi in un'immagine e di astenersi quando la risposta non è affidabile, utilizzando un design sperimentale controllato per misurare l'accuratezza, la robustezza agli editing minimi e il ragionamento prospettico.
Il paper presenta "Narrative Weaver", un nuovo framework che risolve il problema della coerenza visiva a lungo raggio nella generazione di contenuti AI integrando pianificazione narrativa multimodale, controllo dettagliato e un meccanismo di memoria dinamica, supportato dal primo dataset di benchmark specifico per storyboard pubblicitari.
Questo lavoro introduce un nuovo metodo per migliorare il ragionamento visivo dei modelli visione-linguaggio in ambito medico, utilizzando le traiettorie di sguardo umano come segnale di supervisione temporale per guidare l'acquisizione sequenziale delle evidenze, ottenendo così prestazioni superiori sia in dominio che in scenari zero-shot.
Questo paper presenta un approccio che estende l'estrazione di specifiche dai tracciati di esecuzione oltre le astrazioni booleane, unendo tecniche di sintesi guidata dalla sintassi e la logica temporale TSL per apprendere trasformazioni dei dati e specifiche temporali, dimostrando una maggiore robustezza ed efficienza rispetto ai metodi di apprendimento passivo.
Il paper presenta ATLAS, un framework di reinforcement finetuning che permette ai piccoli modelli linguistici di operare efficacemente in vasti ecosistemi di strumenti, trasformando il controllo del contesto e l'esecuzione in decisioni apprese e utilizzando una ricompensa basata su rubriche per superare i limiti delle risorse e avvicinarsi alle prestazioni dei modelli frontier.
Questo articolo presenta un approccio di pianificazione gerarchica che combina dati satellitari geostazionari a lungo termine con sensori di bordo a breve termine per migliorare fino al 41% l'efficienza dell'osservazione dinamica dei satelliti, specialmente in scenari con bersagli sparsi come l'evitamento delle nuvole o la caccia alle tempeste.
Il paper introduce ProtAlign, un framework di apprendimento contrastivo che allinea le rappresentazioni delle sequenze e delle strutture proteiche in uno spazio condiviso per migliorare il recupero incrociato, le previsioni funzionali e l'interpretabilità biologica.
Il paper propone UWPD, un nuovo paradigma per la rilevazione universale di filigrane invisibili agnostico agli algoritmi di embedding, supportato dal dataset UniFreq-100K e dal modello FSNet che utilizza modulazioni frequenziali adattive per identificare la presenza di marchi di copyright senza necessità di informazioni di decodifica.
Il paper propone un framework di fusione a feedback bidirezionale che integra dati ambientali e comportamenti umani per migliorare l'accuratezza delle previsioni della qualità dell'aria interna (CO2 e PM2.5), superando i limiti dei modelli tradizionali attraverso una modellazione adattiva e stime di incertezza interpretabili.
Il paper propone FutureBoosting, un approccio ibrido che potenzia i modelli di regressione per la previsione dei prezzi elettrici integrandoli con caratteristiche predette da modelli fondazione temporali, ottenendo così una riduzione dell'errore superiore al 30% rispetto agli stati dell'arte.