3717 articoli
Il paper presenta SiamGM, una rete Siamese innovativa che combina attenzione grafica inter-frame e guida del moto per risolvere le sfide del tracciamento di oggetti in video satellitari, ottenendo prestazioni all'avanguardia in tempo reale (130 FPS) su benchmark complessi.
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 paper presenta un modello efficiente per la comprensione delle scene RGB-D che, attraverso un encoder di fusione potenziato, strati di focus normalizzati, una struttura non bottleneck 1D e una funzione di perdita adattiva multi-task, supera le tecniche esistenti nella precisione e nella velocità su dataset come NYUv2, SUN RGB-D e Cityscapes.
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 presenta 3DGS-HPC, un nuovo framework che migliora la sintesi di nuove viste e il ricostruzione 3D eliminando gli elementi di disturbo transitori tramite una strategia di classificazione patch-wise e una metrica ibrida, superando così le limitazioni dei metodi basati su semantica pre-addestrata.
Il paper introduce StructAttack, un framework di jailbreak che sfrutta la capacità dei modelli visione-linguaggio di assemblare semanticamente blocchi visivi apparentemente benigni in prompt strutturati per generare output dannosi senza attivare i meccanismi di sicurezza.
Il paper propone un metodo di semplificazione appreso delle nuvole di punti LiDAR basato sull'attenzione, che bilancia efficienza computazionale e accuratezza nel rilevamento e classificazione degli oggetti, superando i compromessi tipici delle tecniche di campionamento esistenti.
Il paper presenta EmbedTalk, un nuovo metodo per la sintesi di teste parlanti che sostituisce le tradizionali tri-piani con embedding appresi per guidare la deformazione di Gaussiani 3D, ottenendo così una qualità di rendering superiore, una sincronizzazione labiale più precisa e un'efficienza che permette l'esecuzione in tempo reale su GPU mobili.
Questo lavoro propone un metodo non supervisionato basato su reti neurali implicite (SIREN) per rimuovere le distorsioni da rifrazione nelle immagini aeree sott'acqua, ricostruendo simultaneamente la sequenza di immagini e la forma della superficie dell'acqua.
Il lavoro propone un nuovo framework di rappresentazione visiva implicita che codifica i segnali come funzioni parametriche di adattamenti a basso rango su modelli generativi congelati, permettendo una compressione video ad altissima efficienza e un controllo flessibile durante l'inferenza.
Questo studio dimostra che le allucinazioni nei modelli visione-linguaggio derivano da un processo di "sovra-analisi" in cui ipotesi errate si propagano attraverso i livelli del decoder, e propone un nuovo indicatore, l'Overthinking Score, che analizza tale dinamica interna per rilevare le allucinazioni con maggiore precisione rispetto ai metodi basati sull'output finale.
Il paper presenta Duala, un framework di allineamento a doppio livello che migliora il decoding visivo fMRI cross-soggetto garantendo coerenza semantica degli stimoli e adattamento alle variazioni neurali individuali, ottenendo prestazioni superiori con dati di addestramento limitati.
Il documento presenta Mobile GlottisNet, un framework di rilevamento della glottide leggero ed efficiente progettato per l'inferenza in tempo reale su dispositivi embedded, che supera i limiti computazionali esistenti attraverso meccanismi di decoupling spaziale e strategie di adattamento dinamico per migliorare la sicurezza nell'intubazione nasale d'emergenza.
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 GLASS, un framework senza supervisione che integra l'analisi spettrale geometrica con i fondamenti visione-linguaggio per stabilire corrispondenze semantiche dense tra forme 3D, ottenendo prestazioni state-of-the-art anche in scenari di deformazione non isometrica e inter-classe.
Il paper propone il framework Self-Critical Inference (SCI) e il benchmark DRBench per migliorare la robustezza dei modelli visione-linguaggio su larga scala, affrontando simultaneamente i problemi di bias e sensibilità linguistica attraverso un ragionamento controfattuale multi-round e una valutazione dinamica specifica per modello.
Il paper presenta Holi-Spatial, il primo dataset multimodale su larga scala e completamente automatizzato per l'intelligenza spaziale 3D, costruito a partire da flussi video grezzi senza intervento umano e utilizzato per addestrare modelli VLM con prestazioni superiori rispetto ai metodi esistenti.
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.