cs.CV articoli | Gist.Science

Fast Equivariant Imaging: Acceleration for Unsupervised Learning via Augmented Lagrangian and Auxiliary PnP Denoisers

Il lavoro propone Fast Equivariant Imaging (FEI), un nuovo framework di apprendimento non supervisionato che, sfruttando il metodo dei moltiplicatori di Lagrange e denoiser Plug-and-Play, accelera di dieci volte l'addestramento di reti per la ricostruzione di immagini (come nella tomografia computerizzata e nel completamento) senza dati di riferimento, migliorando al contempo le prestazioni e abilitando l'adattamento al momento del test.

Guixian Xu, Jinglai Li, Junqi Tang2026-03-05🤖 cs.LG

D2Dewarp: Dual Dimensions Geometric Representation Learning Based Document Image Dewarping

Il paper presenta D2Dewarp, un modello di apprendimento profondo che migliora la distorsione delle immagini documentali percependo le deformazioni lungo due dimensioni (orizzontale e verticale) e introduce un nuovo dataset di addestramento su larga scala chiamato DocDewarpHV.

Heng Li, Xiangping Wu, Qingcai Chen2026-03-05💻 cs

VITA: Vision-to-Action Flow Matching Policy

Il paper presenta VITA, un framework di apprendimento per politiche di flusso che mappano direttamente le rappresentazioni visive in azioni latenti senza rumore o condizionamento visivo iterativo, ottenendo un'inferenza più rapida e prestazioni competitive rispetto ai metodi tradizionali.

Dechen Gao, Boqi Zhao, Andrew Lee + 6 more2026-03-05🤖 cs.AI

Classification of Histopathology Slides with Persistent Homology Convolutions

Questo articolo presenta un metodo innovativo basato sulle convoluzioni di omologia persistente che, catturando le caratteristiche topologiche locali dei campioni istopatologici, supera le limitazioni delle architetture CNN tradizionali migliorando l'accuratezza diagnostica e riducendo la sensibilità agli iperparametri.

Shrunal Pothagoni, Benjamin Schweinhart2026-03-05💻 cs

Towards Generalizable AI-Generated Image Detection via Image-Adaptive Prompt Learning

Il paper propone IAPL, un nuovo paradigma di apprendimento che adatta dinamicamente i prompt in base a ogni immagine di test per migliorare la generalizzabilità e la robustezza nella rilevazione di immagini generate dall'IA, ottenendo prestazioni all'avanguardia su dataset universali.

Yiheng Li, Zichang Tan, Guoqing Xu + 3 more2026-03-05💻 cs

GaitSnippet: Gait Recognition Beyond Unordered Sets and Ordered Sequences

Il paper presenta GaitSnippet, un nuovo approccio al riconoscimento dell'andatura che supera i limiti dei metodi basati su set o sequenze rappresentando il passo come una composizione di "snippet" (brevi segmenti di fotogrammi) per catturare contesti temporali multi-scala, ottenendo risultati superiori su diversi dataset di riferimento.

Saihui Hou, Chenye Wang, Wenpeng Lang + 2 more2026-03-05💻 cs

Reinforcing Video Reasoning Segmentation to Think Before It Segments

Il paper presenta Veason-R1, un modello LVLM specializzato per la segmentazione video basata sul ragionamento che, grazie all'addestramento con Chain-of-Thought e l'ottimizzazione GRPO, supera lo stato dell'arte migliorando significativamente la coerenza spaziotemporale e riducendo le allucinazioni.

Sitong Gong, Lu Zhang, Yunzhi Zhuge + 3 more2026-03-05💻 cs

Stochastic Self-Guidance for Training-Free Enhancement of Diffusion Models

Il paper propone S²-Guidance, un metodo senza addestramento che utilizza il blocco stocastico di blocchi durante il processo forward per affinare le previsioni subottimali dei modelli di diffusione e migliorare la qualità e la coerenza semantica delle immagini e dei video generati, superando le tecniche di guida esistenti come la Classifier-free Guidance.

Chubin Chen, Jiashu Zhu, Xiaokun Feng + 7 more2026-03-05💻 cs

Adaptive Quantized Planetary Crater Detection System for Autonomous Space Exploration

Questo documento concettuale propone l'Adaptive Quantized Planetary Crater Detection System (AQ-PCDSys), un'architettura che integra reti neurali quantizzate e fusione adattiva di sensori per abilitare il rilevamento in tempo reale dei crateri planetari su hardware spaziale con risorse computazionali e energetiche estremamente limitate.

Aditri Paul, Archan Paul2026-03-05🤖 cs.AI

ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments

Il paper presenta ROBUST-MIPS, un dataset arricchito derivato da ROBUST-MIS che combina annotazioni di pose scheletriche e segmentazione di istanza per gli strumenti chirurgici, dimostrando come le annotazioni di pose offrano un approccio più efficiente ed efficace per la localizzazione degli strumenti in chirurgia laparoscopica.

Zhe Han, Charlie Budd, Gongyu Zhang + 3 more2026-03-05💻 cs

Index-Preserving Lightweight Token Pruning for Efficient Document Understanding in Vision-Language Models

Il paper propone un framework di pruning dei token leggero che preserva gli indici, filtrando le regioni non informative delle immagini di documenti tramite un classificatore binario e un raffinamento con max-pooling per ridurre i costi computazionali dei modelli visione-linguaggio mantenendo l'accuratezza.

Jaemin Son, Sujin Choi, Inyong Yun2026-03-05🤖 cs.AI

QDFlow: A Python package for physics simulations of quantum dot devices

QDFlow è un pacchetto Python open-source che simula dispositivi a punti quantici multipli generando dati sintetici realistici con etichette di verità fondamentale, facilitando così lo sviluppo e il benchmarking di approcci di apprendimento automatico per la calibrazione di tali dispositivi.

Donovan L. Buterakos, Sandesh S. Kalantre, Joshua Ziegler + 2 more2026-03-05⚛️ quant-ph

Enhancing Feature Fusion of U-like Networks with Dynamic Skip Connections

Questo articolo propone il blocco DSC (Dynamic Skip Connection), che supera i limiti delle connessioni skip tradizionali nelle reti U-like per la segmentazione di immagini mediche integrando un modulo TTT per l'adattamento dinamico delle rappresentazioni e un modulo DMSK per l'aggregazione multi-scala, dimostrando efficacia plug-and-play su diverse architetture.

Yue Cao, Quansong He, Kaishen Wang + 3 more2026-03-05💻 cs

Segment-to-Act: Label-Noise-Robust Action-Prompted Video Segmentation Towards Embodied Intelligence

Questo lavoro introduce il primo benchmark per la segmentazione video basata su azioni in presenza di rumore nelle etichette, proponendo un nuovo meccanismo parallelo per le maschere e un'analisi approfondita delle strategie di apprendimento robuste per l'intelligenza incarnata.

Wenxin Li, Kunyu Peng, Di Wen + 4 more2026-03-05🤖 cs.LG

Category-Level Object Shape and Pose Estimation in Less Than a Millisecond

Il paper presenta un risolutore locale ad alta velocità per la stima della forma e della posa di oggetti a livello di categoria, che combina keypoints semantici appresi con un modello di forma attiva lineare e un metodo iterativo efficiente per garantire l'ottimalità globale in meno di un millisecondo.

Lorenzo Shaikewitz, Tim Nguyen, Luca Carlone2026-03-05💻 cs

Raw-JPEG Adapter: Efficient Raw Image Compression with JPEG

Il paper presenta il Raw-JPEG Adapter, un pipeline pre-elaborazione apprendibile e invertibile che adatta le immagini raw alla compressione JPEG standard, consentendo un'archiviazione efficiente con parametri compatti e una ricostruzione fedele superiore rispetto alla compressione JPEG diretta.

Mahmoud Afifi, Ran Zhang, Michael S. Brown2026-03-05💻 cs

Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play

Il paper presenta Vision-Zero, un framework multi-agente senza etichette che migliora i modelli visione-linguaggio attraverso un'auto-miglioramento scalabile basato su giochi strategici generati da immagini arbitrarie e un algoritmo di ottimizzazione iterativa che supera i limiti dei metodi tradizionali dipendenti da annotazioni umane.

Qinsi Wang, Bo Liu, Tianyi Zhou + 6 more2026-03-05🤖 cs.AI

Training-Free Reward-Guided Image Editing via Trajectory Optimal Control

Questo lavoro presenta un nuovo framework per l'editing di immagini senza addestramento che formula il processo come un problema di controllo ottimo di traiettoria, permettendo di massimizzare ricompense specifiche mantenendo al contempo l'integrità semantica dell'immagine originale.

Jinho Chang, Jaemin Kim, Jong Chul Ye2026-03-05🤖 cs.AI

Factuality Matters: When Image Generation and Editing Meet Structured Visuals

Questo lavoro presenta un'indagine sistematica sulla generazione e modifica di visualizzazioni strutturate, introducendo un vasto dataset, un modello unificato addestrato con un curriculum a tre stadi e un nuovo benchmark chiamato StructBench per migliorare l'accuratezza fattuale in questo dominio.

Le Zhuo, Songhao Han, Yuandong Pu + 8 more2026-03-05💻 cs

TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics

Il paper presenta TIGeR, un nuovo framework che potenzia i modelli visione-linguaggio per la robotica integrando calcoli geometrici precisi tramite strumenti esterni e un dataset dedicato, superando i limiti delle stime qualitative per raggiungere un'accuratezza centimetrica nelle manipolazioni reali.

Yi Han, Enshen Zhou, Shanyu Rong + 6 more2026-03-05🤖 cs.AI

← Precedente Successivo →