4492 articoli
Il paper propone STAG, un metodo di fine-tuning efficiente per Transformer su nuvole di punti 3D che utilizza una rete laterale a convoluzione grafica per ridurre significativamente costi computazionali e parametri adattabili mantenendo un'alta accuratezza, accompagnato dal nuovo benchmark PCC13.
Il paper introduce il dataset UNB StepUP-P150, una raccolta di oltre 200.000 misurazioni ad alta risoluzione delle pressioni plantari di 150 individui in diverse condizioni di calzatura e velocità, destinata a stabilire un nuovo benchmark per l'analisi e il riconoscimento del passo tramite tecnologie di pressione sotto il piede.
Il paper presenta un nuovo modello generativo basato su distribuzioni geometriche che, attraverso l'encoding delle distribuzioni in mappe di caratteristiche 2D e l'uso di modelli SMPL in un framework di training a due stadi, supera gli stati dell'arte nella generazione di geometrie umane realistiche con dettagli di abbigliamento e interazioni corpo-vestiti, ottenendo un miglioramento del 57% nella qualità geometrica.
Il paper presenta Implicit U-KAN 2.0, una nuova architettura di segmentazione medica basata su equazioni differenziali ordinarie neurali del secondo ordine e strati MultiKAN, che migliora l'efficienza, l'interpretabilità e le prestazioni teoriche rispetto ai metodi esistenti.
Questo studio analizza nove dimensioni di qualità dei modelli di classificazione delle immagini oltre alla sola accuratezza, rivelando l'impatto di diverse strategie di addestramento e introducendo il punteggio QUBA per valutare e raccomandare modelli ben comportati in base alle esigenze specifiche.
Il paper propone DeCon, un framework di apprendimento auto-supervisionato che migliora le prestazioni nelle previsioni dense attraverso un pre-addestramento contrastivo congiunto di encoder e decoder, superando i metodi tradizionali focalizzati solo sull'encoder.
Questo lavoro presenta un nuovo framework unificato per la sintesi di interazioni uomo-oggetto che sfrutta i modelli visione-linguaggio per generare automaticamente politiche di movimento e funzioni di ricompensa, superando la necessità di dati di motion capture costosi o di ingegneria manuale delle ricompense.
Questo paper presenta \data, un dataset focalizzato sulle interazioni tra entità, e \model, un metodo che sfrutta i Modelli Linguistici Multimodali per decomporre le interazioni e raffinare le immagini generate, migliorando significativamente la qualità delle relazioni spaziali e funzionali tra gli oggetti.
Il paper propone "Inception", il primo attacco di jailbreak multi-turno che sfrutta i meccanismi di memoria dei sistemi di generazione testo-immagine per aggirare i filtri di sicurezza suddividendo e ricorsivamente elaborando le intenzioni malevole, ottenendo un tasso di successo superiore del 20% rispetto alle tecniche esistenti.
Questo studio propone la CSASN, una rete di apprendimento multitask basata su un'architettura a doppio ramo con meccanismi di attenzione canale-spaziale, che migliora l'accuratezza nella diagnosi delle rare carcinomi tiroidei mediante immagini ecografiche superando gli squilibri dei dati e le sfide morfologiche.
Questo articolo caratterizza il "Pattern di Rumore di Sfocatura Sintetica" (SDNP) introdotto da Apple nelle foto in modalità ritratto, proponendo un metodo per la sua stima precisa e dimostrando come il suo utilizzo per mascherare le aree interessate migliori l'accuratezza della verifica forense della fonte della fotocamera, riducendo significativamente i falsi positivi.
Il paper propone MoB, un metodo di pruning dei token visivi basato sulla teoria della copertura multi-obiettivo che risolve il compromesso tra allineamento e preservazione visiva garantendo prestazioni superiori e scalabilità lineare nei modelli MLLM.
Questo studio presenta un'analisi comparativa tra modelli linguistici di grandi dimensioni e sistemi OCR tradizionali per il riconoscimento del testo in caratteri Nastaliq sui giornali urdu, introducendo il dataset UNB e dimostrando che l'addestramento di modelli LLM su dati specifici migliora significativamente l'accuratezza rispetto alle soluzioni convenzionali.
Questo lavoro propone "Feature Mixing", un metodo semplice e veloce per la sintesi di outlier multimodali che, insieme al nuovo dataset CARLA-OOD, raggiunge prestazioni all'avanguardia nella rilevazione e segmentazione di dati fuori distribuzione con un significativo aumento di velocità rispetto alle tecniche esistenti.
Questo paper introduce il dataset BAH, un nuovo insieme di dati multimodale composto da 1.427 video annotati da esperti per il riconoscimento automatico dell'ambivalenza e dell'esitazione nei contesti di cambiamento comportamentale digitale, fornendo anche risultati preliminari che evidenziano la necessità di modelli spaziotemporali avanzati.
Il paper presenta TADA, un framework che utilizza modelli di diffusione per generare dati sintetici mirati solo su un sottogruppo di esempi non appresi durante l'addestramento, migliorando significativamente la generalizzazione dei classificatori di immagini con un costo computazionale ridotto rispetto alle tecniche di aumento tradizionali.
Gli autori presentano un sistema di monitoraggio delle vibrazioni strutturali basato su un processore ottico diffrattivo e una rete neurale leggera che, eliminando la necessità di array di sensori densi, permette di ricostruire in tempo reale gli spettri di vibrazione 3D con maggiore precisione, basso consumo energetico e costi ridotti.
Il paper introduce EgoWorld, un nuovo framework che ricostruisce una visione in prima persona a partire da osservazioni esocentriche ricche (come nuvole di punti, pose 3D delle mani e descrizioni testuali) superando i limiti dei metodi attuali e ottenendo prestazioni all'avanguardia su diversi dataset.
Il paper propone il primo framework PWOOD per la rilevazione di oggetti orientati con supervisione parziale debole, che combina un modello OS-Student e una strategia di filtraggio CPF per sfruttare dati non etichettati e ridurre i costi di annotazione, ottenendo prestazioni competitive rispetto agli algoritmi semi-supervisionati su diversi dataset.
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.