4187 articoli
Il paper presenta MoRe, una rete feed-forward efficiente basata su un trasformatore che ricostruisce scene 4D dinamiche da video monoculare disaccoppiando il movimento dagli oggetti statici tramite una strategia di attenzione forzata e meccanismi causali raggruppati, superando i limiti computazionali dei metodi di ottimizzazione esistenti.
Il paper propone un nuovo framework per la generazione 4D che supera la carenza di dataset di grandi dimensioni trasferendo prior spaziali e temporali da modelli di diffusione esistenti attraverso un meccanismo di trasferimento distribuzionale ortogonale e una rappresentazione HexPlane spazialmente e temporalmente consapevole.
Questo lavoro propone un nuovo metodo di attribuzione Shapley basato su flussi generativi ottimali che, minimizzando l'energia cinetica lungo geodetiche di Wasserstein-2, garantisce attribuzioni coerenti con la varietà dei dati, risolvendo i problemi di deriva geometrica e offrendo stabilità teorica rispetto agli approcci esistenti.
Il paper propone GEM-TFL, un framework innovativo che colma il divario tra supervisione debole e completa per la localizzazione temporale di falsificazioni, integrando decomposizione guidata da EM, affinamento temporale senza training e un modulo di raffinamento basato su grafi per ottenere risultati più accurati e robusti.
Il paper introduce Diff-ES, un framework di pruning strutturato per modelli di diffusione che utilizza una ricerca evolutiva per ottimizzare automaticamente i programmi di sparsità per fasi e un routing efficiente dei pesi, ottenendo accelerazioni reali senza duplicare i parametri e preservando la qualità delle immagini.
Il paper introduce BLINK, un modello ricorrente a spazio latente basato su traiettorie che analizza le interazioni tra cellule NK e tumorali per prevedere l'esito citotossico e fornire una rappresentazione interpretabile dei comportamenti cellulari nel tempo.
Il paper presenta UniPAR, un framework unificato basato su Transformer che supera le limitazioni dei modelli specifici per dataset permettendo a un'unica architettura di elaborare dati eterogenei (RGB, video ed eventi) e di raggiungere prestazioni all'avanguardia nel riconoscimento degli attributi pedonali con una robustezza superiore in condizioni ambientali difficili.
Il paper propone SRasP, un metodo innovativo per l'apprendimento few-shot cross-domain che utilizza perturbazioni di stile avversarie auto-riorientate e un'ottimizzazione multi-obiettivo per migliorare la stabilità e la generalizzazione su domini non visti.
Il paper propone un framework adattivo per i modelli Vision-Language-Action che, ispirandosi alla cognizione umana, ottimizza l'allocazione delle risorse dinamicamente scegliendo tra agire, ragionare o astenersi in base alla complessità del compito, utilizzando con successo solo le embedding visive per rilevare tale complessità con elevata efficienza e affidabilità.
Il paper propone SSR-GS, un nuovo framework che migliora la ricostruzione di superfici lucide nel Gaussian Splatting modellando le riflessioni speculari dirette e indirette e integrando prior geometriche e visivi per mitigare gli errori causati dalle riflessioni.
Lo studio dimostra che l'uso di tecniche di pre-elaborazione come il ritaglio dei polmoni può ridurre l'apprendimento di scorciatoie razziali nei modelli di diagnosi radiografica mantenendo al contempo l'accuratezza diagnostica, evitando così il compromesso tra equità e prestazioni.
Questo articolo presenta un metodo innovativo per la calibrazione generica di fotocamere che, sfruttando vincoli geometrici e un modello di illuminazione parametrico locale, stima simultaneamente le posizioni delle caratteristiche e le funzioni di diffusione del punto spazialmente variabili per gestire efficacemente le immagini sfocate causate dal movimento.
Il paper presenta Mario, un framework innovativo che abilita il ragionamento sui grafi multimodali utilizzando modelli linguistici di grandi dimensioni attraverso un design di VLM condizionato al grafo e un addestramento su istruzioni adattivo alle modalità, superando le sfide di coerenza cross-modale e preferenze eterogenee per ottenere prestazioni superiori rispetto agli stati dell'arte.
Il paper presenta Logi-PAR, il primo framework di riconoscimento delle attività dei pazienti che integra regole differenziabili e logica simbolica per inferire esplicitamente le cause dei rischi clinici, fornendo spiegazioni verificabili e superando le prestazioni degli attuali modelli basati su visione e linguaggio.
Il paper propone il framework SCDL, un modulo plug-and-play che mitiga i bias di supervisione e rappresentazione nelle immagini mediche semi-supervisionate imparando distribuzioni di caratteristiche condizionate alla classe, ottenendo risultati all'avanguardia, specialmente per le classi minoritarie, sui dataset Synapse e AMOS.
Il paper presenta SPyCer, una rete semi-supervisionata guidata dalla fisica che utilizza l'attenzione contestuale su immagini satellitari per stimare con precisione e coerenza fisica la temperatura dell'aria vicino alla superficie, superando i limiti delle misurazioni dei sensori terrestri.
Questo lavoro presenta un sistema robotico di smistamento tessile guidato dal gemello digitale che integra percezione multimodale e modelli linguistici visivi (VLM) per classificare abbigliamento e rilevare oggetti estranei in ambienti industriali complessi, dimostrando l'efficacia dell'approccio Qwen per l'accuratezza e di modelli più leggeri per la distribuzione su edge.
Il paper presenta ICHOR, un approccio di apprendimento rappresentativo auto-supervisionato basato su masked autoencoder che, addestrato su un vasto dataset multicentrico di mappe CBF ASL, supera i metodi esistenti nel migliorare le prestazioni per compiti diagnostici e di previsione della qualità delle immagini.
Il paper presenta CATNet, un framework adattivo che migliora la percezione cooperativa mitigando la latenza temporale e il rumore multivariato attraverso sincronizzazione spazio-temporale, denoising basato su wavelet e selezione adattiva delle caratteristiche.
Il paper presenta Wiki-R1, un framework di apprendimento per rinforzo basato su un curricolo di generazione dati e campionamento che incentiva il ragionamento multimodale nelle KB-VQA, ottenendo risultati all'avanguardia sui benchmark Encyclopedic VQA e InfoSeek.