4140 articoli
Il paper presenta FLAIR-HUB, il più ampio dataset multimodale annotato ad altissima risoluzione sviluppato dall'IGN per il monitoraggio della copertura del suolo e delle colture, che integra sei diverse fonti di dati satellitari e aerei per ottimizzare modelli di deep learning e fusion multimodale.
Il paper introduce HSG-12M, un dataset su larga scala di 16,7 milioni di grafi multigrafo spaziali derivati dagli spettri energetici di cristalli non hermitiani, generato tramite il nuovo strumento automatizzato Poly2Graph per colmare il divario tra fisica della materia condensata e apprendimento automatico geometrico.
Il paper presenta InterActHuman, un nuovo framework che supera i limiti delle animazioni umane esistenti permettendo la generazione end-to-end di video con più soggetti e interazioni, garantendo un controllo preciso e allineato al layout attraverso l'associazione di condizioni multimodali (testo, immagine, audio) a specifiche regioni spaziali e temporali.
Il paper presenta AutoV, un framework leggero che supera i limiti del prompt engineering visivo singolo recuperando istantaneamente il prompt ottimale per ogni immagine tramite un ranking basato sulla perdita di un LVLM pre-addestrato, migliorando così significativamente le prestazioni di vari modelli in compiti di comprensione visiva senza necessità di annotazioni manuali.
Questo lavoro introduce TreeBench, un benchmark diagnostico per valutare il ragionamento visivo fondato su prove tracciabili, e TreeVGR, un paradigma di addestramento basato sul reinforcement learning che migliora significativamente le capacità di localizzazione e ragionamento dei modelli visivi.
Il paper presenta GMLN-BTS, una rete neurale leggera basata su grafi per la segmentazione adattiva dei tumori cerebrali che, grazie a un codificatore modale adattivo, un modulo di interazione collaborativa multi-modale e un meccanismo di raffinamento dei voxel, raggiunge prestazioni all'avanguardia con un numero di parametri ridotto del 98% rispetto ai modelli 3D Transformer.
Il paper propone EDA, un nuovo quadro teorico che unifica i modelli di diffusione basati su rumore arbitrario per migliorare le prestazioni nel ripristino delle immagini, superando i limiti dell'approccio EDM legato al rumore gaussiano fisso e dimostrando efficacia in compiti medici e naturali con un numero ridotto di passaggi di campionamento.
Il paper introduce SAMPO, un nuovo framework di ottimizzazione delle preferenze che allinea i modelli fondazione per la segmentazione di immagini istopatologiche con l'intento clinico, migliorando l'accuratezza e la robustezza anche in presenza di prompt imperfetti.
Questo articolo propone SRTrack, un nuovo framework di fine-tuning regolarizzato dalla significatività che ottimizza i tracker multi-modali adattando i modelli pre-addestrati per i dati RGB, risolvendo il compromesso tra plasticità e stabilità e superando le tecniche attuali su vari benchmark.
Questo articolo presenta un metodo di navigazione per quadricotteri basato sull'apprendimento per rinforzo che, sfruttando informazioni privilegiate come le mappe del tempo di arrivo e una funzione di perdita specifica, supera le limitazioni delle tecniche precedenti nel superare grandi ostacoli, ottenendo un tasso di successo dell'86% in simulazione e validando il sistema in 20 voli reali senza collisioni.
Questo articolo presenta un sistema affidabile per la localizzazione 3D di oggetti distanti, basato su triangolazione multivista o filtri particellari applicati a sequenze di segmentazione immagini da droni, che risulta particolarmente efficace per il monitoraggio degli incendi boschivi in contesti con risorse computazionali limitate.
Il paper presenta BridgeDrive, una nuova politica di pianificazione basata su un ponte di diffusione guidato da ancoraggi che garantisce coerenza teorica e prestazioni all'avanguardia nella guida autonoma a ciclo chiuso trasformando traiettorie grezze in piani contestuali in tempo reale.
Il paper introduce SphereAR, un modello autoregressivo che vincola i latenti su un'ipersfera per stabilizzare la generazione di immagini e raggiungere prestazioni superiori rispetto ai modelli di diffusione e a quelli mascherati, stabilendo un nuovo stato dell'arte per la generazione autoregressiva pura.
Il paper presenta un nuovo metodo per la super-risoluzione video continuo spazio-temporale basato su un Campo di Fourier Video 3D (VFF) che, superando la necessità di warping esplicito, permette un campionamento flessibile e un'analisi anti-aliasing, ottenendo risultati superiori e più efficienti rispetto agli approcci esistenti.
Il paper presenta EgoTraj-Bench, il primo benchmark real-world che allinea osservazioni storiche rumorose in prima persona con traiettorie future pulite, e propone BiFlow, un modello a doppio flusso che supera lo stato dell'arte nella previsione di traiettorie robuste in ambienti umani.
Questo articolo propone SpecMCD, un metodo di rilevamento delle nuvole debolmente supervisionato che combina caratteristiche spettrali e una rete profonda multi-scala per generare maschere pixel-level ad alta precisione, dimostrando un miglioramento significativo del F1-score rispetto ai metodi esistenti su immagini satellitari multispettrali.
Il paper introduce VidGuard-R1, il primo rilevatore di video generati da IA che utilizza l'ottimizzazione della politica relativa di gruppo (GRPO) e modelli di ricompensa specializzati per superare i limiti dei dataset statici, offrendo prestazioni state-of-the-art e spiegazioni forensi basate sul ragionamento.
Questo lavoro presenta SpineMed, un ecosistema co-progettato con chirurghi che include il dataset SpineMed-450k e il benchmark SpineBench, sviluppando un modello che supera le attuali limitazioni nel ragionamento livello-specifico per la diagnosi e la pianificazione chirurgica delle patologie spinali.
Questo paper presenta l'ExposureEngine, un sistema end-to-end che utilizza bounding box orientati e un'interfaccia basata su agenti linguistici per fornire un'analisi precisa, scalabile e automatizzata della visibilità degli sponsor nelle trasmissioni sportive, superando i limiti dei metodi tradizionali basati su box allineati agli assi.
Il paper introduce TerraCodec, una famiglia di codec neurali preaddestrati su dati Sentinel-2 che supera i metodi classici nella compressione di immagini multispettrali terrestri e abilita l'inpainting delle nuvole sfruttando le dipendenze temporali attraverso un modello Transformer innovativo.