3884 articoli
Il paper presenta SRNeRV, un nuovo framework ricorsivo su scala che, sfruttando l'autosimilarità delle scale e un'architettura ibrida condivisa, riduce significativamente i parametri delle rappresentazioni neurali video mantenendo alte prestazioni di compressione.
Il paper presenta GarmentPainter, un framework efficiente che utilizza un modello di diffusione guidato da un personaggio per sintetizzare texture di abiti 3D ad alta fedeltà e coerenti nello spazio UV, superando i limiti di coerenza e flessibilità delle metodologie esistenti.
Questo studio valuta l'efficacia di metodi di deep learning avanzati, inclusi transformer e modelli fondazionali, applicati all'imaging ultra-grandangolare per la diagnosi della retinopatia diabetica e dell'edema maculare diabetico, dimostrando prestazioni superiori attraverso l'analisi sia spaziale che in frequenza e tecniche di fusione delle caratteristiche.
Il paper introduce SiMO, un nuovo approccio alla percezione collaborativa multimodale che, grazie alla fusione adattiva LAMMA e a una strategia di addestramento innovativa, risolve il problema del fallimento dei sensori mantenendo prestazioni ottimali anche in caso di malfunzionamento di una modalità chiave come il LiDAR.
Il paper propone una nuova formulazione della trasformata di Hough basata sull'omologia persistente per rilevare linee in nuvole di punti, sostituendo lo schema di votazione discretizzato con una funzione di punteggio continua e fornendo un algoritmo efficiente per calcolare le linee candidate.
Il paper presenta DynamicVGGT, un framework unificato feed-forward che estende la percezione 3D statica alla ricostruzione 4D dinamica per la guida autonoma, integrando un'attenzione temporale consapevole del movimento e un head di splatting gaussiano per modellare con precisione il moto dei punti e le variazioni temporali complesse.
Il paper propone WaDi, un nuovo framework di distillazione per la sintesi di immagini in un singolo passo che, sfruttando l'analisi dei cambiamenti direzionali dei pesi e un adattatore efficiente chiamato LoRaD, raggiunge prestazioni all'avanguardia con solo il 10% dei parametri addestrabili.
Questo lavoro propone un metodo senza apprendimento per il tracciamento della posa 6D di oggetti che fonde il flusso ottico basato su eventi per la propagazione della posa con una correzione locale basata su template, dimostrando prestazioni superiori rispetto agli algoritmi esistenti nel tracciamento di oggetti in rapido movimento grazie all'alta risoluzione temporale delle telecamere a eventi.
Il paper propone un metodo di cancellazione concettuale guidato da prototipi che, sfruttando la geometria delle embedding latenti per identificare e clusterizzare le rappresentazioni interne di concetti ampi, ne garantisce una rimozione più affidabile rispetto alle tecniche esistenti preservando al contempo la qualità delle immagini generate.
Il paper propone OSCAR, un metodo basato su rappresentazioni implicite neurali che ricostruisce la geometria 3D completa della colonna vertebrale da immagini ecografiche parziali sfruttando i parametri acustici per inferire le regioni occluse senza bisogno di etichette anatomiche durante l'inferenza.
Il paper introduce SP-CLIP, un framework leggero che migliora il riconoscimento zero-shot delle azioni potenziando i modelli visione-linguaggio congelati con prompt semantici strutturati a più livelli di astrazione, ottenendo risultati superiori senza modificare l'encoder visivo o apprendere nuovi parametri.
Il paper propone un metodo di generazione CT guidato dal testo che, integrando un approccio di recupero per estrarre annotazioni anatomiche da casi clinici simili, migliora la fedeltà anatomica e il controllo spaziale rispetto ai modelli basati solo sul testo.
Questo articolo presenta un nuovo metodo di fine-tuning che guida i Vision Transformers verso correlazioni semantiche basate su concetti, utilizzando maschere generate automaticamente da LLM e VLM per migliorare la robustezza del modello rispetto a spostamenti distributivi.
Il paper presenta HDR-NSFF, un nuovo framework che supera i limiti delle tradizionali tecniche HDR 2D modellando dinamicamente i campi di flusso neurale nello spazio-tempo per ricostruire radiance ad alto intervallo dinamico da video monoculare a esposizioni alterne, garantendo coerenza temporale e dettagli radiometrici superiori.
Il paper introduce SlowBA, un attacco backdoor innovativo che compromette l'efficienza degli agenti GUI basati su modelli visione-linguaggio inducendo latenze eccessive attraverso catene di ragionamento innescate da finestre pop-up realistiche, pur mantenendo inalterata l'accuratezza delle azioni.
Questo studio presenta un'ampia analisi comparativa tra umani e intelligenza artificiale nel riconoscimento di azioni egocentriche, rivelando che gli esseri umani dipendono fortemente da cue semantici critici e sparsi, mentre i modelli AI mostrano una degradazione più graduale basata su feature contestuali e una minore sensibilità alle perturbazioni temporali.
Questo lavoro introduce un framework generale per valutare la qualità delle mappe di calore nel Multiple Instance Learning per l'istopatologia, dimostrando che metodi come LRP e Integrated Gradients superano le mappe basate sull'attenzione e abilitano validazioni biologiche affidabili e nuove intuizioni scientifiche.
Il paper propone SOT-GLP, un metodo di apprendimento dei prompt che combina allineamento globale e locale tramite trasporto ottimo sparsa per partizionare efficientemente le regioni visive tra i prompt specifici per classe, ottenendo così prestazioni superiori sia nella classificazione few-shot che nella rilevazione di dati fuori distribuzione.
Il paper presenta VLA, un framework innovativo per i modelli Vision-Language-Action che migliora la manipolazione robotica modellando le variazioni della conoscenza del mondo rispetto a un prior esplicito, anziché prevedere stati futuri assoluti, ottenendo così prestazioni all'avanguardia e maggiore efficienza.
Questo lavoro introduce UniDiffDA, un quadro analitico unificato che scompone l'aumento dei dati basato sulla diffusione in tre componenti fondamentali per fornire una valutazione sistematica e comparativa delle strategie esistenti in compiti di classificazione con dati scarsi.