7079 articoli
Questo studio dimostra che, nella rilevazione del Parkinson prodromico tramite fMRI con dati estremamente scarsi, l'uso di una rigorosa valutazione a livello di soggetto rivela una significativa perdita di prestazioni rispetto alle divisioni a livello di immagine e individua che architetture leggere come MobileNet generalizzano meglio di modelli più profondi.
Il documento introduce il framework Certainty-Validity (CVS) per valutare i sistemi a impegno discreto, evidenziando come la massimizzazione del punteggio CVS sia superiore alla semplice accuratezza nel prevenire l'overfitting benigno e nel garantire che i modelli smettano di impegnarsi quando le evidenze strutturali sono insufficienti.
Questo articolo presenta un metodo automatico open-source per garantire la qualità dei dati di addestramento multi-sensore per veicoli ferroviari, in grado di rilevare nove tipi di errori comuni con un'alta precisione, riducendo significativamente il carico di lavoro manuale necessario per lo sviluppo di sistemi di guida automatizzata.
Questo articolo presenta il framework MMCoT, un approccio multimodale basato su modelli vision-language che, attraverso una catena di pensiero modulare, migliora l'accuratezza della pre-valutazione automatizzata delle certificazioni energetiche degli edifici in contesti con dati limitati.
Il paper propone VoxelDiffusionCut, un metodo che utilizza un modello di diffusione su voxel per stimare iterativamente la struttura interna di oggetti complessi basandosi sulle superfici di taglio osservate, permettendo così l'estrazione non distruttiva di componenti target attraverso una pianificazione di taglio che tiene conto dell'incertezza predittiva.
Questo articolo presenta la MSAAN, una rete leggera per la super-risoluzione delle immagini che combina un modulo di attenzione adattiva multi-scala con blocchi di potenziamento locale e moduli interattivi per ottenere prestazioni superiori mantenendo una complessità computazionale ridotta.
Il paper presenta BiSe-Unet, un'architettura U-Net leggera a doppio percorso con meccanismi di attenzione contestuale, progettata per ottenere una segmentazione medica in tempo reale ad alta precisione su dispositivi edge come il Raspberry Pi 5, superando i limiti computazionali dei modelli esistenti.
Il paper presenta NovaLAD, un pipeline di estrazione documentale ottimizzata per CPU che combina modelli YOLO, classificazione delle immagini e LLM visivi per generare output strutturati ad alta velocità e prestazioni superiori senza richiedere GPU.
Il paper presenta CT-Flow, un framework agentico basato sul Model Context Protocol che supera i limiti dell'inferenza statica orchestrando un flusso di lavoro dinamico e interattivo per l'interpretazione di TC 3D, dimostrando prestazioni superiori nel benchmark CT-FlowBench grazie alla capacità di decomporre query complesse in sequenze autonome di utilizzo di strumenti clinici.
Il paper presenta QuickGrasp, un sistema che risolve il compromesso tra accuratezza e latenza nei modelli video-linguistici tramite un'architettura locale con potenziamento edge on-demand, tokenizzazione accelerata e configurazione adattiva dei token, ottenendo prestazioni di precisione paragonabili ai grandi modelli con una riduzione della latenza fino a 12,8 volte.
Questo lavoro presenta un metodo non supervisionato basato sull'auto-annotazione che utilizza algoritmi di superpixel e reti neurali convoluzionali per segmentare efficacemente le scansioni tomografiche a raggi X del calcestruzzo, superando le sfide poste dal basso contrasto tra aggregati e malta senza richiedere dati di addestramento etichettati.
Questo studio valuta la capacità delle morfometrie urbane e della loro fusione con immagini satellitari di prevedere le Zone Climatiche Locali (LCZ), rivelando che tale relazione è debole e inconsistente, suggerendo quindi di utilizzare il quadro LCZ con cautela negli studi morfologici.
Il paper presenta GUARD, un nuovo framework che mitiga la memorizzazione nei modelli di diffusione testo-immagine applicando dinamiche attrattivo-repulsive e un'attenuazione chirurgica dell'attenzione incrociata durante l'inferenza, ottenendo risultati all'avanguardia nella prevenzione della riproduzione di dati di addestramento senza compromettere la qualità delle immagini generate.
Il paper presenta TinyVLM, il primo framework che abilita il rilevamento di oggetti zero-shot su microcontrollori con meno di 1 MB di memoria, combinando un'architettura decoupled, distillazione Matryoshka e memorizzazione quantizzata per ottenere inferenze in tempo reale con prestazioni competitive.
Il paper presenta Latent Replay Detection (LRD), il primo framework per il rilevamento continuo di oggetti su microcontrollori che, grazie a una compressione adattiva ai task e a una selezione degli esemplari basata sulla diversità spaziale, supera i vincoli di memoria permettendo l'apprendimento di nuove categorie senza memorizzare immagini grezze.
Il paper presenta TerrAI, una soluzione basata su reti neurali che utilizza immagini multispettrali per stimare l'azoto nei campi di grano e ottimizzare la fertilizzazione mirata, tenendo conto della variabilità spaziale e temporale.
Il paper propone RADS, un framework di steering inferenziale basato sull'analisi di raggiungibilità e sul reinforcement learning che previene la memorizzazione nei modelli di diffusione testo-immagine senza compromettere la qualità o l'allineamento, offrendo una soluzione plug-and-play che non richiede modifiche al backbone.
Il paper presenta ADE-CoT, un framework di scaling adattivo a tempo di test che ottimizza l'editing delle immagini allocando dinamicamente le risorse di calcolo, verificando specificamente le modifiche e interrompendo opportunamente il processo, ottenendo così prestazioni superiori e un'accelerazione di oltre il doppio rispetto ai metodi Best-of-N.
Il paper introduce GrapHist, un innovativo framework di apprendimento auto-supervisionato basato su grafi che modella i tessuti istopatologici come reti cellulari per apprendere rappresentazioni strutturali generalizzabili, ottenendo prestazioni competitive con modelli vision-based ma con quattro volte meno parametri e superando i modelli supervisionati nel sottotipizzazione del cancro.
Il paper propone il DHVAE, un modello basato su diffusione latente con architettura VAE gerarchica e disaccoppiata che migliora la generazione di interazioni umane 3D garantendo coerenza semantica, fedeltà del movimento e plausibilità fisica attraverso l'uso di un modulo CoTransformer e vincoli di apprendimento contrastivo.