5798 articoli
Questo lavoro presenta il primo framework in grado di apprendere rappresentazioni architettura-indipendenti per NeRFs eterogenei, utilizzando una Graph Meta-Network addestrata in modo non supervisionato per abilitare compiti di inferenza su modelli mai visti durante l'addestramento.
Questo lavoro presenta un approccio completamente non supervisionato basato sulla coerenza ciclica e sull'ottimizzazione bayesiana per l'annotazione sematica delle cellule in immagini microscopiche 3D di *C. elegans*, permettendo la creazione del primo atlante non supervisionato dell'organismo e superando le limitazioni dei metodi supervisionati attuali.
Questo studio propone una strategia di difesa in una sola fase basata su GAN, efficiente e agnostica rispetto al modello, che migliora significativamente l'accuratezza della classificazione dei segnali stradali negli veicoli autonomi contro gli attacchi di patch avversarie.
Il paper presenta LaGoVAD, un nuovo paradigma e modello per la rilevazione di anomalie video in ambienti open-world guidati dal linguaggio, supportato dal dataset PreVAD, che supera i limiti delle definizioni fisse delle anomalie consentendo adattamenti dinamici tramite descrizioni testuali fornite dagli utenti.
Il paper presenta SwD, un framework di distillazione per modelli di diffusione che, combinando una generazione progressiva per ridurre i calcoli ridondanti e un nuovo obiettivo basato sulla discrepanza MMD a livello di patch, raggiunge velocità di campionamento superiori e qualità competitiva rispetto alle tecniche esistenti.
Questo lavoro presenta il primo quadro completo per la stima della posa umana 2D con privacy differenziale, combinando DP-SGD proiettato e privacy differenziale delle caratteristiche per ottenere un compromesso ottimale tra protezione della privacy e accuratezza del modello sul dataset MPII.
Il paper presenta ANSE, un framework che migliora la qualità e la coerenza temporale della generazione di video tramite modelli di diffusione selezionando attivamente il rumore iniziale più promettente analizzando l'incertezza basata sull'attenzione del modello stesso.
Il paper presenta SABER, un framework innovativo che genera oggetti avversariali 3D universali e non invasivi, garantendo coerenza spaziale e temporale per valutare in modo realistico la robustezza dei rilevatori di oggetti 3D in vista dall'alto (BEV) utilizzati nei sistemi di guida autonoma.
Questo articolo propone l'Interaction Field Matching (IFM), una generalizzazione dell'Electrostatic Field Matching che supera le sue limitazioni modellando campi di interazione ispirati alla fisica delle particelle, dimostrando così efficacia in vari compiti di trasferimento dati.
Il paper presenta HSSBench, un benchmark multilingue composto da oltre 13.000 campioni e sviluppato con un nuovo pipeline di generazione dati collaborativa, progettato per valutare e stimolare le capacità di ragionamento interdisciplinare dei Modelli Linguistici Multimodali nel campo delle Scienze Umane e Sociali, un'area attualmente sottorappresentata nelle valutazioni esistenti.
Il lavoro presenta Frame Guidance, un metodo senza addestramento che abilita il controllo a livello di fotogramma nella generazione video tramite l'elaborazione di segnali come fotogrammi chiave o schizzi, riducendo drasticamente l'uso di memoria e garantendo coerenza globale senza richiedere il riaddestramento dei modelli.
Il paper introduce Perception-R1, un metodo che migliora le capacità di ragionamento multimodale dei modelli MLLM attraverso un nuovo premio di percezione visiva basato sulla coerenza tra le annotazioni testuali e le risposte generate, ottenendo prestazioni all'avanguardia con un dataset di addestramento ridotto.
Il paper introduce StreamSplat, un framework feed-forward che ricostruisce istantaneamente scene 3D dinamiche da flussi video non calibrati mediante tre innovazioni chiave, offrendo prestazioni superiori e un'accelerazione di 1200 volte rispetto ai metodi basati su ottimizzazione.
Il paper propone ECAD, un algoritmo genetico che ottimizza automaticamente le strategie di caching per accelerare l'inferenza dei modelli di diffusione senza modificare i parametri, garantendo significativi miglioramenti nella velocità e nel compromesso qualità-velocità rispetto agli approcci precedenti.
Questo lavoro dimostra che la generazione on-the-fly di immagini tramite modelli Text-to-Image può colmare il divario modale e migliorare il ragionamento basato sul testo sfruttando prior visive latenti, a condizione che vi sia una forte allineamento semantico e fedeltà generativa.
Il paper introduce SceneStreamer, un framework autoregressivo basato su transformer che genera scenari di traffico continui e realistici tramite la previsione di gruppi di token, permettendo la simulazione dinamica a lungo termine necessaria per addestrare sistemi di guida autonoma più robusti.
Questo lavoro propone un nuovo schedulatore di guida basato sull'annealing che adatta dinamicamente la scala di guida durante il processo di campionamento dei modelli di diffusione, migliorando significativamente la qualità delle immagini e l'allineamento con il prompt testuale senza richiedere risorse computazionali aggiuntive.
Il paper presenta MC-INR, un nuovo framework basato su reti neurali che utilizza meta-apprendimento e un meccanismo di riclustering dinamico per codificare in modo efficiente dati scientifici multivariati su griglie non strutturate, superando i limiti delle rappresentazioni neurali implicite esistenti.
Il paper presenta CoBELa, un framework basato sull'energia che garantisce una generazione trasparente e interpretabile condizionando un generatore preaddestrato tramite funzioni energetiche per concetto, permettendo interventi compositivi senza riaddestramento e migliorando accuratezza e qualità dell'immagine rispetto ai metodi precedenti.
Il paper introduce InstructVLA, un modello visione-linguaggio-azione che, grazie a una nuova strategia di addestramento chiamata VLA-IT, integra efficacemente il ragionamento multimodale avanzato con la generazione precisa di azioni robotiche, superando i limiti di dimenticanza catastrofica e le prestazioni dei modelli esistenti sia in ambienti simulati che nel mondo reale.