4006 articoli
Questo studio propone un modello di apprendimento profondo basato su ensemble che integra CNN e Vision Transformers per la classificazione di immagini telerilevate, superando i limiti delle architetture singole e ottenendo prestazioni superiori su diversi dataset grazie a un'efficiente gestione delle risorse computazionali.
Il paper presenta Cog2Gen3D, un framework di diffusione guidato dalla cognizione che integra rappresentazioni semantiche e geometriche assolute per generare oggetti 3D fisicamente plausibili e strutturalmente coerenti, superando i limiti di consistenza di scala dei metodi esistenti.
Il paper presenta VS3R, un framework innovativo che combina la ricostruzione 3D feed-forward con modelli di diffusione generativi per ottenere una stabilizzazione video robusta e a intero campo visivo, superando i compromessi tra resilienza geometrica e coerenza visiva tipici dei metodi esistenti.
Il paper presenta MACRO, un agente medico auto-evolutivo che supera i limiti dei sistemi statici scoprendo autonomamente e integrando nuove competenze strumentali composite basate sull'esperienza clinica, migliorando così l'accuratezza e la generalizzazione nell'orchestrazione di strumenti per l'interpretazione di immagini mediche.
Il paper presenta TumorChain, un framework di ragionamento multimodale intercalato e un vasto dataset TumorCoT da 1,5 milioni di esempi, progettati per migliorare l'accuratezza, la tracciabilità e l'affidabilità dell'analisi clinica dei tumori attraverso un ragionamento passo-passo che integra scansioni CT 3D e testi clinici.
Il paper presenta PatchCue, un nuovo paradigma che migliora il ragionamento visivo dei modelli visione-linguaggio utilizzando suggerimenti visivi a livello di patch, allineandosi meglio alle abitudini percettive umane e superando le limitazioni dei metodi basati su pixel o punti.
Il paper presenta MemSeg-Agent, un agente di segmentazione di immagini mediche che sposta l'adattamento dallo spazio dei pesi a quello della memoria, permettendo l'apprendimento few-shot, l'apprendimento federato e l'adattamento al momento del test all'interno di un'unica architettura che riduce l'overhead di comunicazione e migliora la robustezza ai cambiamenti di dominio senza richiedere un fine-tuning.
Questo articolo presenta una valutazione sistematica dell'impatto delle viste sintetiche innovative sul riconoscimento dei luoghi nei video, dimostrando che l'aggiunta di tali viste migliora le statistiche di riconoscimento e che, per aggiunte più ampie, il numero di viste e il tipo di immagine sono fattori più critici rispetto alla magnitudine del cambiamento di prospettiva.
Il paper introduce CylinderSplat, un nuovo framework feed-forward per la sintesi di nuove viste panoramiche che utilizza una rappresentazione di tripiani cilindrici e un'architettura a due rami per superare le limitazioni geometriche e di distorsione dei metodi esistenti, ottenendo risultati all'avanguardia sia in scenari a vista singola che multipla.
Il paper presenta PixARMesh, un metodo autoregressivo che ricostruisce mesh 3D complete di scene interne direttamente da una singola immagine RGB, generando layout e geometria in un unico passaggio per produrre mesh coerenti e pronte per l'uso.
Il paper presenta InnoAds-Composer, un framework a stadio singolo che genera efficientemente poster di prodotti per l'e-commerce controllando simultaneamente soggetto, testo e stile, risolvendo problemi di fedeltà e coerenza tipici dei metodi precedenti grazie a un routing condizionale ottimizzato e a un modulo di potenziamento delle caratteristiche testuali.
Il paper propone tre tecniche di mitigazione del bias per migliorare l'equità nei Concept Bottleneck Models, ottenendo risultati superiori nel compromesso tra equità e prestazioni rispetto ai lavori precedenti.
Il paper presenta CollabOD, un framework di rilevamento collaborativo e leggero progettato per migliorare la precisione nella rilevazione di oggetti piccoli nelle immagini UAV preservando i dettagli strutturali e allineando i flussi di caratteristiche eterogenee.
Il paper propone Art3D, un nuovo framework di sintesi delle disparità artistiche che, abbandonando la pura accuratezza geometrica, mira a ricreare l'esperienza immersiva del cinema 3D professionale decoupling gli intenti globali dagli effetti locali attraverso un'architettura duale e supervisione indiretta.
Il paper presenta Pano3DComposer, un framework feed-forward efficiente che genera scene 3D composizionali ad alta fedeltà a partire da singole immagini panoramiche, superando i limiti dei metodi attuali grazie a un innovativo predittore di trasformazione oggetto-mondo e un meccanismo di allineamento da grezzo a fine.
Il paper introduce CORE-Seg, un framework end-to-end che integra il ragionamento cognitivo e la segmentazione medica tramite un adattatore di prompt guidato semanticamente e un meccanismo di ricompensa adattivo, ottenendo risultati all'avanguardia nella segmentazione di lesioni complesse grazie al benchmark ComLesion-14K.
Il paper presenta BlackMirror, un framework innovativo e senza addestramento per il rilevamento di backdoor nei modelli text-to-image in scenari black-box, che individua anomalie semantiche tramite l'allineamento tra istruzioni e risposte visive invece di basarsi sulla similarità delle immagini generate.
Il paper introduce RAC (Rectified Flow Auto Coder), un'architettura ispirata al Rectified Flow che sostituisce i VAE tradizionali offrendo decodifica multi-passo correggibile, inferenza bidirezionale con riduzione dei parametri e una qualità generativa superiore a costi computazionali inferiori.
Il paper presenta RAID, un vasto dataset annotato per la percezione del rischio alla guida, e un nuovo framework di apprendimento debolmente supervisionato che, sfruttando le intenzioni e le risposte del conducente, identifica le fonti di pericolo ottenendo significativi miglioramenti rispetto agli stati dell'arte.
Il paper presenta TAR-ViTPose, un nuovo Vision Transformer che migliora la stima della posa umana nei video aggregando e ripristinando le informazioni temporali tra i frame per superare le limitazioni dei metodi basati su immagini statiche.