3889 articoli
Il paper propone Adaptive Manifold Prototypes (AMP), un framework che utilizza l'ottimizzazione Riemanniana sulla varietà di Stiefel per rappresentare i prototipi di classe come basi ortonormali, prevenendo così il collasso dei prototipi e migliorando significativamente l'interpretabilità e la fedeltà causale nei modelli di riconoscimento.
Questo studio presenta un modello di flusso rettificato basato sull'intelligenza artificiale che genera realisticamente immagini MRI cerebrali post-trattamento per pazienti con glioma, utilizzando dati pre-terapia e mappe di dose radioterapica per ottimizzare la pianificazione terapeutica adattiva.
Il paper presenta DDHF, un metodo in tempo reale per il rilevamento di droni basato su fotocamere a eventi che utilizza la trasformata di Fourier non uniforme per pixel per identificare le firme armoniche dei rotori, superando in accuratezza e latenza i tradizionali approcci basati su deep learning come YOLO.
Il paper presenta AULLM++, un framework innovativo che sfrutta i Large Language Models per il riconoscimento delle microespressioni, integrando evidenze visive multigranulari e relazioni strutturali tra le Action Units attraverso un processo di ragionamento a tre stadi per superare i limiti dei metodi precedenti e ottenere prestazioni all'avanguardia.
Il paper propone StructBiHOI, un framework che utilizza un modello gerarchico basato su VAE e un denoiser Mamba per generare interazioni bimanuali a lungo termine tra mani e oggetti, garantendo stabilità temporale, plausibilità fisica e coordinazione articolata.
Il paper introduce SPIRAL, un framework a ciclo chiuso che utilizza agenti di pianificazione e riflessione per migliorare la generazione video a lungo termine attraverso un processo iterativo di pianificazione, azione e valutazione, superando i limiti dei modelli open-loop esistenti.
Il paper propone GRACE, un nuovo framework dinamico per l'apprendimento incrementale di classe che bilancia plasticità e stabilità attraverso una strategia ciclica di espansione, valutazione della saturazione e compressione, ottenendo prestazioni all'avanguardia riducendo al contempo l'ingombro di memoria fino al 73%.
Il paper propone IMaX, un metodo semplice ed efficace basato sul principio di massimizzazione dell'informazione reciproca che, integrando un obiettivo entropico , risolve il problema delle distribuzioni di classe a coda lunga nella generalizzazione di dominio semi-supervisionata, migliorando le prestazioni degli stati dell'arte su diverse modalità visive.
Il paper introduce VET-Bench, un test diagnostico che rivela l'incapacità degli attuali modelli visione-linguaggio di tracciare oggetti indistinguibili, proponendo e validando il metodo SGCoT che supera il 90% di accuratezza generando esplicitamente le traiettorie degli oggetti come stati intermedi.
Il paper presenta Alfa, un metodo di adattamento a basso rango che utilizza decomposizione in valori singolari e meccanismi di attenzione per ri-pesare i filtri pre-addestrati, consentendo una personalizzazione efficiente e precisa dell'estimazione dello sguardo su dispositivi con risorse limitate.
Il paper propone X-AVDT, un rilevatore di deepfake robusto che sfrutta i segnali di allineamento audio-visivo interni ai generatori ottenuti tramite inversione DDIM, e introduce il nuovo dataset multimodale MMDF per valutare le prestazioni su diverse tecnologie di sintesi.
Il paper propone la Visual Self-Fulfilling Alignment (VSFA), un metodo di allineamento senza etichette che utilizza immagini legate a minacce per addestrare i modelli linguistici visivi a sviluppare automaticamente una persona orientata alla sicurezza, riducendo così le risposte dannose senza compromettere le capacità generali.
Il paper presenta Spherical-GOF, un nuovo framework di rendering panoramico basato su Gaussian Opacity Fields che, campionando i raggi direttamente sulla sfera unitaria e introducendo regole di culling e filtraggio specifiche, risolve le distorsioni geometriche tipiche delle estensioni panoramiche della 3DGS, ottenendo risultati superiori in termini di coerenza geometrica e qualità fotometrica su dataset sintetici e reali.
Il paper presenta OccTrack360, un nuovo benchmark per il tracciamento 4D dell'occupazione panottica da telecamere fisheye surround, accompagnato da un metodo di base chiamato FoSOcc che affronta le sfide della proiezione sferica distorta e della localizzazione nei voxel.
Il paper presenta l'Interactive World Simulator, un framework basato su modelli di consistenza che genera simulazioni interattive veloci e fisicamente coerenti, permettendo l'addestramento e la valutazione di politiche robotiche scalabili con prestazioni nel mondo reale comparabili a quelle ottenute con dati reali.
Il documento propone l'algoritmo Online FISTA, un metodo di ricostruzione online per la Radar ad Apertura Sintetica (SAR) che riduce drasticamente i requisiti di memoria e calcolo aggiornando ricorsivamente le matrici di archiviazione, rendendo così possibili compiti complessi come il riconoscimento automatico di bersagli (ATR) in tempo reale su droni autonomi.
Il documento presenta il DualFlexKAN, un'architettura di rete neurale flessibile che supera i limiti dei KAN tradizionali attraverso un meccanismo a due stadi con funzioni indipendenti, offrendo un'efficienza parametrica superiore e una maggiore adattabilità per compiti scientifici e di regressione.
Il paper presenta PRISM, un modello fondazionale per la generazione di motioni umane in streaming che risolve le limitazioni degli approcci esistenti grazie a uno spazio latente fattorizzato per giunto e un'iniezione di condizione priva di rumore, unificando così compiti come la generazione da testo, condizionata alla posa e sequenziale in un'unica architettura che raggiunge lo stato dell'arte.
Il paper propone un framework teacher-student con supervisione debole e raffinamento progressivo delle pseudo-mask per la segmentazione delle ghiandole nella istopatologia del cancro colorettale, ottenendo risultati robusti e generalizzabili con un'efficienza di annotazione superiore rispetto ai metodi tradizionali.
Il paper introduce RAF (Retrieval-Augmented Faces), un metodo di augmentation durante l'addestramento che migliora la generalizzazione delle espressioni per avatar facciali privi di template, sostituendo le feature del soggetto con espressioni recuperate da un archivio non etichettato per aumentare la diversità dei dati e la robustezza senza richiedere annotazioni aggiuntive.