7082 articoli
Il paper presenta M-Gaussian, un innovativo framework che adatta lo 3D Gaussian Splatting alla ricostruzione di risonanza magnetica multi-pila, offrendo un equilibrio ottimale tra alta qualità dell'immagine e velocità di elaborazione grazie a primitive magnetiche fisicamente coerenti e un campo residuo neurale.
Il paper presenta un approccio di LoRA guidato meccanicisticamente che, utilizzando Sparse Autoencoders per garantire la coerenza delle risposte a riformulazioni di domande cliniche, riduce significativamente l'instabilità dei modelli medico-visionari mantenendo al contempo un'elevata accuratezza.
Il paper presenta ReMD, un framework di diffusione fisicamente coerente che utilizza una correzione residua multigrid basata su wavelet per migliorare l'efficienza e la fedeltà fisica nella super-risoluzione dei fluidi, riducendo il numero di passaggi di campionamento necessari rispetto ai metodi esistenti.
Questo studio evidenzia come i modelli di diffusione possano plagiare immagini protette da copyright eludendo anche le tecniche di watermarking avanzate, grazie a un metodo basato su gradienti che utilizza "ancore e shim" per generare repliche senza necessità di addestramento aggiuntivo.
Questo articolo propone un'architettura multi-vista per prevedere l'avanzamento delle attività di manipolazione robotica, superando i limiti dell'occlusione self-occlusione tipici delle singole telecamere e dimostrando la sua efficacia attraverso esperimenti su Mobile ALOHA.
Il paper presenta EfficientPosterGen, un framework end-to-end che ottimizza la generazione automatica di poster accademici attraverso il recupero semantico delle informazioni chiave, la compressione del contesto visivo per ridurre i token e un algoritmo deterministico per il rilevamento delle violazioni del layout, garantendo così maggiore efficienza e affidabilità rispetto ai modelli esistenti.
Il paper introduce BiCLIP, un framework innovativo per la segmentazione delle immagini mediche che, grazie a un meccanismo di fusione multimodale bidirezionale e a un obiettivo di coerenza di augmentazione, garantisce prestazioni superiori e una maggiore robustezza in scenari clinici reali caratterizzati da scarse annotazioni e degrado delle immagini.
Il paper presenta FujiView, un framework di apprendimento multimodale basato su fusione tardiva che combina immagini webcam e dati meteorologici per prevedere con elevata accuratezza la visibilità del Monte Fuji, definendo un nuovo benchmark per le previsioni ambientali.
Il paper presenta FlowPortrait, un framework basato sul reinforcement learning che utilizza un sistema di valutazione allineato all'uomo tramite MLLM e l'ottimizzazione GRPO per generare video di ritratti parlanti guidati dall'audio con sincronizzazione labiale e qualità del movimento superiori.
Questo studio propone un modello fondazionale per il rilevamento delle infestanti nelle colture orticole, integrando un trasformatore visivo DINOv3 pre-addestrato con l'architettura YOLO26, che ha dimostrato significativi miglioramenti nella precisione e nella generalizzazione cross-dominio pur mantenendo prestazioni in tempo reale.
Il documento presenta SKINOPATHY AI, un'applicazione web basata su smartphone che utilizza visione artificiale leggera per offrire cinque moduli di screening oftalmico spiegabili e longitudinali in contesti a risorse limitate, garantendo privacy e funzionando interamente su hardware mobile senza inferenza nel cloud.
Il paper presenta GazeXPErT, un dataset 4D di tracciamento oculare di esperti su scansioni FDG-PET/CT oncologiche che, sincronizzando i pattern di ricerca umana con le immagini, mira a migliorare l'interpretabilità, l'accuratezza e l'integrazione nel flusso di lavoro dei modelli di intelligenza artificiale per la segmentazione e la localizzazione delle lesioni tumorali.
Questo lavoro propone un protocollo di valutazione basato su metriche di confine e analisi di equità tra sottoinsiemi per affrontare lo squilibrio estremo nella segmentazione di tratti alla lavagna, dimostrando che le funzioni di perdita basate sulla sovrapposizione e l'addestramento ad alta risoluzione migliorano significativamente le prestazioni rispetto ai metodi classici, offrendo al contempo una maggiore affidabilità nei casi peggiori.
Il paper propone ConFoThinking, un framework per il Visual Question Answering che migliora la percezione visiva aggregando i segnali di attenzione in uno strato intermedio e utilizzando cue semantici concisi per identificare e ingrandire le regioni di interesse, superando così le limitazioni dei metodi basati su grounding o su estrazione di attenzione frammentata.
Questo articolo introduce il concetto di "obbedienza" nell'IA generativa, evidenziando il paradosso per cui la creazione di immagini monocromatiche è più difficile di quella di scenari complessi, e presenta VIOLIN, il primo benchmark per valutare tale capacità attraverso un sistema di classificazione gerarchico.
Questo studio dimostra che l'impiego di reti neurali convoluzionali, in particolare EfficientNetB0, consente di classificare con un'accuratezza del 94,5% le diverse varietà di olive coltivate in Turchia, offrendo una soluzione efficace per l'identificazione automatica e il controllo di qualità in agricoltura.
Il documento descrive l'addestramento del modello video fondazionale Summer-22B su 50 milioni di clip, evidenziando come l'ingegneria dei dataset e la gestione dei dati siano state le sfide principali, superando le variazioni architetturali e dimostrando l'efficacia del trasferimento iperparametrico in contesti vincolati.
Il paper propone ST-Lite, un framework di compressione della cache KV senza addestramento che, sfruttando la sparsità uniforme dell'attenzione nelle interfacce grafiche attraverso un'analisi combinata di salienza spaziale e semantica della traiettoria, riduce drasticamente l'uso di memoria e accelera l'elaborazione degli agenti GUI a lungo termine mantenendo alte prestazioni.
Il paper propone LoDA, un metodo per l'apprendimento continuo basato su LoRA che migliora la condivisione e l'isolamento delle conoscenze attraverso una decomposizione dei sottospazi guidata dal task e un'ottimizzazione allineata al gradiente, superando i limiti delle tecniche esistenti che trascurano le direzioni condivise e le direzioni specifiche efficaci.
Il paper propone SKeDA, un framework di watermarking generativo per modelli di diffusione testo-video che garantisce alta fedeltà e robustezza attraverso il campionamento basato su chiavi mescolate (SKe) per tollerare la perdita di sincronizzazione e l'attenzione differenziale (DA) per resistere alle distorsioni temporali.