4073 articoli
Il paper propone WAFL, un nuovo approccio per la localizzazione temporale di falsificazioni che, abbandonando la regressione temporale a favore di una classificazione binaria a livello di parole, utilizza un modulo di riallineamento delle caratteristiche forensi e una funzione di perdita asimmetrica per ottenere prestazioni superiori con maggiore efficienza computazionale.
Il paper propone SSLA-Det, un modello di rilevamento di oggetti basato su eventi che utilizza l'attenzione lineare spazialmente rara (SSLA) per ottenere uno stato dell'arte in termini di accuratezza e ridurre la computazione per evento di oltre 20 volte, risolvendo i compromessi tra latenza, efficienza e precisione nelle reti neurali asincrone.
Il paper presenta TaPD, un framework unificato e plug-and-play che utilizza la distillazione progressiva temporale-adattiva e un modulo di riempimento temporale per migliorare l'accuratezza della previsione delle traiettorie in scenari di guida autonoma con storie di osservazione variabili o estremamente brevi.
Il paper introduce DC-Merge, un metodo innovativo per la fusione di modelli che migliora il mantenimento delle conoscenze multi-task bilanciando la distribuzione energetica dei vettori e allineando le loro geometrie direzionali in un sottospazio ortogonale condiviso, ottenendo così prestazioni all'avanguardia in ambiti visivi e vision-language.
Il paper propone HCF-RES, un nuovo framework multimodale che utilizza la decomposizione semantica visiva gerarchica e la fusione collaborativa progressiva per migliorare la segmentazione di istanze 3D basata su espressioni referenziali, ottenendo risultati all'avanguardia su ScanRefer e Multi3DRefer.
Il paper introduce NOVA, un nuovo paradigma di autoregressione open-vocabulary che sfrutta i modelli linguistici su larga scala per trasformare il tracciamento 3D di oggetti multipli in un compito di completamento di sequenze spaziotemporali, ottenendo prestazioni superiori nel tracciamento di categorie sconosciute rispetto ai metodi tradizionali.
Il paper presenta GazeMoE, un nuovo framework end-to-end che utilizza un meccanismo Mixture-of-Experts su modelli visivi pre-addestrati per stimare con stato dell'arte i target dello sguardo umano integrando segnali multi-modali e affrontando lo sbilanciamento delle classi.
Il paper presenta ODD-SEC, un sistema di rilevamento in tempo reale di droni progettato per carrier in movimento che utilizza una camera a eventi rotante per ottenere un campo visivo orizzontale di 360 gradi e una stima precisa della direzione, superando i limiti delle soluzioni basate su fotogrammi tradizionali in condizioni di movimento e illuminazione avverse.
Il paper presenta HiPP-Prune, un framework di pruning strutturato gerarchico condizionato dalle preferenze che ottimizza l'allocazione delle risorse nei modelli visione-linguaggio per bilanciare efficienza, utilità del compito e robustezza all'allucinazione, mitigando la degradazione della comprensione visiva attraverso segnali di sensibilità visiva e ottimizzazione multi-obiettivo.
Il paper presenta StrSR, un nuovo framework di distillazione avversariale in un singolo passo che, integrando regolarizzazione spettrale e di traiettoria, risolve le sfide degli artefatti e del disallineamento nelle architetture Diffusion Transformer per il super-risoluzione delle immagini reali, ottenendo prestazioni all'avanguardia.
Questo lavoro introduce il benchmark OccNL e il framework DPR-Occ per affrontare la previsione dell'occupazione semantica 3D in presenza di rumore di etichetta, dimostrando che le strategie esistenti falliscono in spazi voxel sparsi e proponendo un metodo innovativo basato sul ragionamento su etichette parziali che mantiene prestazioni elevate anche con un rumore del 90%.
Il paper propone ADiVA, un approccio innovativo per l'apprendimento zero-shot generativo che risolve le sfide della variabilità intra-classe e del divario semantico-visivo modellando distribuzioni di attributi e allineando esplicitamente le rappresentazioni semantiche e visive, ottenendo prestazioni superiori sui principali benchmark.
FlowMotion è un nuovo framework senza addestramento che migliora il trasferimento di movimento nei video sfruttando direttamente le previsioni latenti dei modelli T2V basati su flusso, garantendo così maggiore efficienza e flessibilità rispetto ai metodi esistenti.
Questo articolo propone un metodo innovativo basato su modelli di diffusione basati su punteggio per l'inpainting tridimensionale degli impianti dentali nel dominio delle proiezioni, che combina due modelli 2D ortogonali per eliminare gli artefatti nelle immagini CBCT preservando la coerenza spaziale tra le proiezioni.
Il paper presenta DEX-AR, un nuovo metodo di spiegabilità dinamica per modelli visione-linguaggio autoregressivi che genera mappe di calore 2D per-token e a livello di sequenza, identificando le regioni visive cruciali attraverso un meccanismo di filtraggio dinamico delle attention heads e un'aggregazione differenziata dei token, migliorando così le metriche di valutazione su diversi dataset.
Il paper propone LTA, un attacco avversario di trasferimento che ottimizza le perturbazioni nello spazio latente di un modello generativo preaddestrato per produrre esempi robusti e coerenti che superano i limiti dei metodi tradizionali basati sullo spazio dei pixel.
Il paper propone WMoE-CLIP, un nuovo metodo per il rilevamento di anomalie a zero-shot che combina prompt learning potenziato da un autoencoder variazionale, decomposizione wavelet per l'estrazione di caratteristiche multi-frequenza e un modulo misto di esperti sensibile al contesto, superando i limiti degli approcci esistenti su 14 dataset industriali e medici.
Il paper propone P-SLCR, un metodo non supervisionato per la segmentazione semantica di nuvole di punti che, sfruttando l'apprendimento strutturale basato su prototipi e il ragionamento coerente, raggiunge prestazioni superiori rispetto alle tecniche esistenti e persino al metodo supervisionato PointNet sul dataset S3DIS.
Questo studio valuta la capacità di ChatGPT di creare pastiche di opere d'arte contemporanea, rivelando attraverso il feedback di dodici artisti e analisi computazionali che, sebbene vi sia una certa somiglianza cromatica e testuale, le generazioni AI mancano di profondità concettuale e intenzionalità, richiedendo pertanto metriche di valutazione complementari rispetto a un singolo indicatore stilistico.
Il paper presenta WorldCache, un framework di caching che accelera i modelli di mondo basati su diffusione fino a 3,7 volte mantenendo il 98% della qualità, risolvendo le sfide dell'eterogeneità dei token e delle dinamiche temporali non uniformi attraverso una previsione guidata dalla curvatura e un'elusione adattiva prioritaria per i token caotici.