6473 articoli
Questo lavoro propone un formalismo unificato per l'aggregazione di densità basato sulle medie generalizzate, dimostrando teoricamente e validando empiricamente che solo l'intervallo garantisce miglioramenti sistematici rispetto alle distribuzioni individuali, fornendo così una giustificazione rigorosa per l'uso diffuso della media lineare () e geometrica () negli ensemble di deep learning.
Il paper introduce Real5-OmniDocBench, il primo benchmark che ricrea fisicamente l'intero dataset OmniDocBench v1.5 in cinque scenari reali, permettendo per la prima volta un'analisi rigorosa delle cause del degrado delle prestazioni dei modelli Vision-Language nel mondo fisico e rivelando che il divario tra simulazione e realtà nel parsing documentale è ancora significativo.
Il paper propone un metodo basato su un autoencoder variazionale specializzato e una stima della densità non parametrica per rimuovere le dipendenze indesiderate dai dati preservandone l'utilità, superando le tecniche esistenti sia non supervisionate che supervisionate.
Il paper propone DiverseDiT, un nuovo framework che migliora l'apprendimento delle rappresentazioni nei Diffusion Transformers introducendo connessioni residue lunghe e una funzione di perdita specifica per promuovere la diversità delle rappresentazioni tra i blocchi, ottenendo così prestazioni superiori e una convergenza più rapida su diversi backbones e configurazioni.
Il paper propone DeNuC, un metodo che migliora significativamente la rilevazione e la classificazione dei nuclei nelle immagini istopatologiche disaccoppiando le due fasi per sfruttare appieno i modelli fondazionali, ottenendo prestazioni superiori con un numero di parametri addestrabili drasticamente ridotto.
Il paper propone EmbodiedSplat, un metodo feed-forward online basato su 3DGS che permette la ricostruzione e la comprensione semantica open-vocabulary di scene 3D in tempo reale, integrando embedding CLIP 2D con caratteristiche geometriche 3D per garantire generalizzabilità e bassa memoria.
Questo articolo presenta un'architettura neurale equivariante per il colore che risolve le imperfezioni dei metodi precedenti elevando le quantità di saturazione e luminosità dall'intervallo reale al cerchio (una doppia copertura), ottenendo così una vera equivarianza che migliora le prestazioni in compiti come la classificazione fine-grained e l'imaging medico.
Il paper introduce ViterbiPlanNet, un framework innovativo che integra esplicitamente la conoscenza procedurale tramite un Livello Viterbi Differenziabile per migliorare l'efficienza dei campioni e le prestazioni nella pianificazione di video istruttivi, superando i metodi basati su modelli di grandi dimensioni con un numero significativamente inferiore di parametri.
Il paper propone SSR, un framework generico di compressione delle mappe che combina descrizioni testuali e piccoli vettori di caratteristiche visive per ridurre significativamente i costi di memoria e larghezza di banda mantenendo un'elevata precisione nella localizzazione robotica.
Questo studio multicentrico valuta l'applicabilità delle tecniche di deep learning per la rilevazione e la segmentazione dei polipi colici in tempo reale, dimostrando come l'integrazione di dati sequenziali e informazioni temporali, ottenuti attraverso una collaborazione tra data scientist ed esperti gastroenterologi, migliori significativamente la precisione diagnostica riducendo i tassi di rilevamento mancato.
Il paper introduce CubeComposer, un modello di diffusione autoregressivo spaziotemporale innovativo che genera nativamente video 360° in 4K partendo da input prospettici, superando i limiti computazionali dei metodi esistenti attraverso una strategia di decomposizione in cubemap e tecniche di gestione del contesto ottimizzate per garantire coerenza visiva e assenza di discontinuità.
Il paper presenta MMFA, un nuovo metodo non supervisionato che, attraverso l'apprendimento rappresentativo e un nuovo calcolo dei punti chiave, decoppia l'identità dal movimento per abilitare la generazione controllata e l'interpolazione continua di espressioni facciali realistiche.
Il paper presenta PromptAvatar, un framework basato su modelli di diffusione duali e un nuovo dataset su larga scala che genera avatar 3D ad alta fedeltà da prompt testuali o immagini in meno di 10 secondi, superando i limiti di controllo fine e di efficienza computazionale dei metodi esistenti.
Il documento presenta CRESTomics, un nuovo modello di classificazione additiva basato su kernel che, analizzando 500 placche carotidee del trial CREST-2 tramite ecografia B-mode, identifica in modo accurato e interpretabile marcatori radiomici associati al rischio clinico di ictus.
Il paper presenta MOO, un dataset sintetico su larga scala di 1.000 bovini catturati da 128 angolazioni diverse, progettato per analizzare l'impatto delle variazioni di punto di vista sul riconoscimento animale e dimostrare come i priore geometrici sintetici possano migliorare le prestazioni nei compiti di re-identificazione tra vista aerea e terrestre.
Il paper introduce SPRINT, il primo framework di apprendimento incrementale a pochi esempi (FSCIL) progettato specificamente per dati tabulari, che sfrutta l'abbondanza di dati non etichettati e i bassi costi di archiviazione per raggiungere prestazioni all'avanguardia in diversi domini reali senza dimenticare le conoscenze precedenti.
Il paper presenta un framework scalabile per valutare il realismo delle aumentazioni sintetiche di condizioni ambientali (come nebbia, pioggia e notte) nelle immagini, dimostrando che i metodi di intelligenza artificiale generativa superano significativamente gli approcci basati su regole, raggiungendo o superando le prestazioni delle immagini reali per la maggior parte delle condizioni.
Il paper presenta Pointer-CAD, un nuovo framework basato su LLM che unifica la rappresentazione B-Rep e le sequenze di comandi tramite una selezione di entità geometriche basata su puntatori, risolvendo così le limitazioni nella generazione di modelli CAD complessi e riducendo gli errori topologici derivanti dalla discretizzazione.
Il paper presenta ArtHOI, il primo framework zero-shot che sintetizza interazioni umane con oggetti articolati fisicamente plausibili formulando il problema come una ricostruzione 4D da video monoculari generati da modelli di diffusione, superando i limiti delle approcci precedenti basati su oggetti rigidi.
Questo studio confronta modelli generativi come DDPM, LDM e Flow Matching per la sintesi di risonanza magnetica cardiaca, dimostrando che i modelli basati su diffusione offrono il miglior compromesso tra fedeltà dell'immagine, utilità clinica e privacy, specialmente in scenari con dati limitati.