7179 articoli
Il lavoro presenta SketchGraphNet, un'architettura ibrida memory-efficient per il riconoscimento di schizzi su larga scala che modella direttamente i disegni a mano libera come grafi strutturati, ottenendo prestazioni elevate sul nuovo benchmark SketchGraph composto da 3,44 milioni di campioni.
Il paper propone un nuovo framework pre-addestrato basato sulle dinamiche neurali che supera i limiti dei metodi tradizionali per costruire reti funzionali cerebrali personalizzate, ottenendo prestazioni superiori in scenari eterogenei attraverso una parcellazione e una stima delle correlazioni adattive.
Il paper introduce UniLongGen, una strategia di inferenza senza addestramento che risolve il collasso della qualità nella generazione di immagini intercalate a lungo termine curando dinamicamente la memoria del modello per eliminare i segnali visivi interferenti, garantendo così stabilità e coerenza nelle narrazioni estese.
Il paper presenta DreamSAC, un framework che combina un'espansione esplorativa basata sulla simmetria e un modello del mondo hamiltoniano per apprendere leggi fisiche invarianti, permettendo così un'eccezionale generalizzazione estrattiva in simulazioni fisiche 3D.
Il paper presenta COOL-MC, uno strumento che verifica e spiega le politiche di apprendimento per rinforzo (RL) per la manutenzione di reti di ponti multipli, utilizzando il model checking probabilistico e l'analisi dell'interpretabilità per identificare violazioni di sicurezza e bias sistematici in un ambiente simulato.
Il paper propone un framework di sintesi vocale senza apprendimento che applica regole fonologiche a un modello TTS multilingue per generare automaticamente accenti (come spagnolo e indiano) nell'inglese parlato senza richiedere dati di addestramento specifici.
Questo lavoro introduce un nuovo framework di avvelenamento mirato per la sintesi vocale zero-shot (SGSP) che modifica i modelli TTS per impedire la generazione di identità vocali specifiche, valutando il compromesso tra privacy e utilità e dimostrando efficacia fino a 15 speaker prima di incontrare limiti di scalabilità.
Questo lavoro introduce "Nwāchā Munā", un nuovo corpus di parlato in Devanagari di 5,39 ore per la lingua Nepal Bhasha, e dimostra che il trasferimento prossimale da una lingua adiacente come il Nepalese può raggiungere prestazioni di riconoscimento vocale paragonabili a modelli multilingue su larga scala, offrendo una soluzione efficiente per le risorse limitate.
Il paper propone GRD-Net, un nuovo approccio basato su GAN e attenzione alle regioni di interesse per la rilevazione e localizzazione di anomalie superficiali in contesti industriali, che supera i limiti dei metodi tradizionali riducendo la dipendenza da algoritmi di post-processing e migliorando la generalizzazione su dataset reali e sintetici.
Questo articolo presenta un confronto sistematico di quattro obiettivi di addestramento per il rilevamento di dati fuori distribuzione nella classificazione di immagini, rivelando che la Cross-Entropy Loss offre le prestazioni più coerenti sia per i dati vicini che lontani dalla distribuzione rispetto ad altre funzioni di perdita.
Questo lavoro presenta un framework semi-supervisionato di rilevamento delle anomalie basato su un'architettura generativa avversaria con autoencoder residuo, progettato per l'implementazione online su una linea industriale ad alta velocità Blow-Fill-Seal nel settore farmaceutico, garantendo alta accuratezza e rispetto dei vincoli temporali utilizzando esclusivamente campioni nominali per l'addestramento.
Il paper propone DSS-GRPO, un metodo di apprendimento per rinforzo che scala la difficoltà e separa i segnali di apprendimento tra ragionamento e risposta per comprimere le tracce di Chain-of-Thought senza compromettere la qualità della soluzione finale.
Il paper presenta SMAT, un metodo di training multi-agente a stadi che simula l'adattamento umano per sviluppare un controller per esoscheletri dell'anca capace di ridurre l'attivazione muscolare e fornire assistenza meccanica positiva in modo coerente su diversi soggetti senza necessità di riaddestramento specifico.
Il paper presenta una pipeline di generazione di dati sintetici basata su un Digital Twin dell'Aeroporto Internazionale di Algeri che, combinata con una ridotta quantità di annotazioni reali, permette di addestrare modelli di rilevamento dei carrelli bagagli con prestazioni pari o superiori all'uso esclusivo di dati reali, riducendo al contempo lo sforzo di annotazione del 25-35%.
Il paper presenta AtomicVLA, un framework unificato di pianificazione ed esecuzione che supera i limiti dei modelli VLA esistenti per compiti robotici a lungo raggio e apprendimento continuo, grazie a una libreria di abilità atomiche scalabile gestita da un mix di esperti guidato dalle competenze (SG-MoE) e a un codificatore di routing flessibile.
Il paper presenta Ref-DGS, un nuovo framework di Dual Gaussian Splatting che risolve il compromesso tra accuratezza e efficienza nella ricostruzione di superfici riflettenti e nella sintesi di nuove viste, decoupling la geometria dalle riflessioni speculari tramite una rappresentazione duale di Gaussiane e un shader adattivo, ottenendo prestazioni all'avanguardia senza costosi calcoli di ray tracing.
Gli autori hanno sviluppato un metodo basato sull'intelligenza artificiale, che combina un autoencoder variazionale a miscela gaussiana con il coefficiente di correlazione di Pearson, per analizzare dati iperspettrali STXM sparsi e mappare con risoluzione nanometrica l'eterogeneità di fase e la distribuzione del sodio nelle particelle di catodo NaxV2(PO4)2F3 durante il ciclo di carica e scarica.
Questo lavoro offre una panoramica strutturata sui meccanismi, le valutazioni e le frontiere emergenti della memoria negli agenti LLM autonomi, proponendo una tassonomia tridimensionale e analizzando cinque famiglie di meccanismi, sfide ingegneristiche e applicazioni pratiche fino al 2026.
Il paper propone CDA-VSR, una rete per la super-risoluzione video online che sfrutta informazioni del dominio compresso (vettori di movimento, mappe residue e tipi di frame) per bilanciare qualità ed efficienza, ottenendo su REDS4 una velocità di inferenza più che doppia rispetto allo stato dell'arte con un lieve miglioramento della qualità.
Il paper introduce TDM-R1, un nuovo paradigma di apprendimento per rinforzo che, disaccoppiando l'apprendimento della ricompensa da quello del generatore e gestendo segnali non differenziabili, migliora significativamente le prestazioni dei modelli generativi a pochi passi come TDM e Z-Image.