5561 articoli
Questo articolo presenta l'Ambient Radio Sensing (ARS), un approccio innovativo che risolve la carenza di spettro riutilizzando i segnali 5G esistenti per il rilevamento delle attività umane tramite un dispositivo passivo e un framework di apprendimento cross-modale, dimostrando la fattibilità di stime scheletriche e segmentazioni corporee accurate senza interferire con le comunicazioni primarie.
Questo articolo presenta un metodo di aumento dei dati ispirato al VQA che migliora il riconoscimento del testo nelle immagini generando domande naturali sui caratteri per addestrare modelli OCR a un ragionamento più dettagliato, ottenendo risultati superiori su dataset come WordArt ed Esposalles.
Questo lavoro propone un nuovo framework per la generazione di grafi di scena del traffico che, integrando dati sugli incidenti e informazioni sulla profondità, supera i limiti delle approcci esistenti identificando e classificando le minacce per la sicurezza rispetto al veicolo egoista.
Il paper presenta DM-CFO, un approccio basato su modelli di diffusione che genera modelli 3D di denti composti con ottimizzazione priva di collisioni, migliorando significativamente la coerenza multivista e il realismo rispetto ai metodi esistenti.
Questo studio propone un framework che migliora il rilevamento e l'identificazione dei pinguini in ambienti complessi integrando caratteristiche di aspetto e movimento, adattando YOLO11 per l'elaborazione di frame consecutivi e applicando un apprendimento contrastivo basato su tracklet per ridurre le interruzioni dell'identità.
Questo lavoro propone un metodo innovativo per stimare l'orientamento della testa dei cavalli ferali in video aerei, utilizzando un sistema di votazione basato su IoU per risolvere le ambiguità dei bounding box orientati e garantire un tracciamento individuale continuo e accurato.
Il paper propone ParaHydra, un nuovo framework di compressione distribuita di immagini multi-vista che introduce il meccanismo di attenzione OmniParallax per modellare le correlazioni tra le viste, superando significativamente le prestazioni degli stati dell'arte esistenti con un elevato risparmio di bitrate e una ridotta complessità computazionale.
Questo lavoro introduce LeafInst, un nuovo framework di segmentazione delle istanze e il dataset Poplar-leaf per l'analisi fenotipica fine di foglie di alberi in ambienti aperti, ottenendo prestazioni superiori rispetto agli stati dell'arte su scenari UAV complessi.
Il paper presenta RAGTrack, un innovativo framework di tracciamento RGB-T che integra descrizioni testuali e la generazione aumentata dal recupero (RAG) per superare le limitazioni dei metodi esistenti, ottenendo prestazioni all'avanguardia su diversi benchmark grazie a una modellazione unificata visivo-linguistica e a un ragionamento temporale contestuale.
Il paper introduce CoRe-BT, un benchmark multimodale radiologia-patologia-test per il typing robusto dei tumori cerebrali che valuta l'apprendimento multimodale in scenari clinici realistici caratterizzati da dati incompleti.
Questo lavoro presenta un quadro rigoroso per estendere gli operatori neurali al di fuori della distribuzione di addestramento, sfruttando tecniche di approssimazione dei kernel e spazi di Hilbert a nucleo riproducente per garantire la robustezza teorica e l'accuratezza nella risoluzione di equazioni differenziali alle derivate parziali su varietà.
Questo studio introduce l'iniezione di prompt basata su immagini (IPI), un attacco in scatola nera che nasconde istruzioni avversarie all'interno di immagini naturali per manipolare con successo fino al 64% dei modelli linguistici multimodali, evidenziando una nuova vulnerabilità pratica che richiede urgenti contromisure difensive.
Il paper presenta InfinityStory, un nuovo framework, dataset e modello progettati per generare video narrativi di lunga durata con coerenza visiva globale, mantenendo l'identità dei personaggi e garantendo transizioni fluide tra inquadrature complesse con più soggetti.
Il paper propone SCFlowFR, un metodo di ripristino facciale in un singolo passo basato su un flusso di accoppiamento potenziato da scorciatoie che modella le dipendenze tra dati a bassa e alta qualità per garantire traiettorie lineari e inferenza rapida senza compromettere la qualità.
Questa tesi presenta un quadro di imaging sul campo basato sulla visione artificiale per la caratterizzazione morfologica degli aggregati da costruzione, sviluppando algoritmi avanzati di segmentazione e ricostruzione 3D che superano i limiti dei metodi tradizionali permettendo l'analisi sia di singole particelle che di ammassi complessi in scenari reali.
Il paper introduce InEdit-Bench, il primo benchmark dedicato alla valutazione della capacità dei modelli generativi multimodali di ragionare su percorsi logici intermedi nell'editing di immagini, rivelando attraverso una valutazione estesa le significative carenze attuali dei modelli esistenti nel gestire scenari complessi che richiedono dinamicità e coerenza causale.
Il paper presenta MAP, un nuovo metodo di protezione della privacy facciale che utilizza modifiche emotive per camuffare le identità originali, superando i limiti delle tecniche tradizionali in termini di trasferibilità, qualità percettiva e adattabilità a diversi gruppi demografici e scenari fotografici.
Il paper presenta EvoPrune, un metodo di pruning dei token visivi eseguito durante la fase di codifica nei MLLM che, riducendo i costi computazionali, garantisce un raddoppio della velocità di inferenza con una minima perdita di prestazioni.
Il paper propone un modello di segmentazione dei polipi che integra rappresentazioni in scala di grigi e RGB attraverso un'interazione coerente nel dominio delle ondelette, sfruttando la maggiore contrasto dei bordi nella scala di grigi per migliorare la precisione nella localizzazione dei confini e superare le limitazioni dei metodi convenzionali basati solo su RGB.
Il paper propone l'ERK-Guid, un nuovo metodo di campionamento per modelli di diffusione che utilizza l'errore locale di troncamento generato dai solutori come segnale di guida per correggere le regioni rigide e migliorare la qualità del campionamento, superando i metodi esistenti su dataset come ImageNet.