7093 articoli
Questo studio di caso dimostra che il framework di induzione concettuale per l'interpretazione dei neuroni nelle CNN, precedentemente validato su ADE20K, si generalizza con successo anche al dataset SUN2012 per l'analisi semantica delle scene.
Il paper propone un metodo di riduzione progressiva dei token guidato da uno scoring unificato e consapevole del linguaggio per accelerare i modelli VLM ibridi video a lungo termine, ottenendo notevoli guadagni di velocità nel prefilling mantenendo un'accuratezza vicina alla baseline.
Il paper propone AdURA-Net, un framework adattivo basato su evidenze dirichletine e convoluzioni dilatate che migliora l'affidabilità della classificazione delle malattie toraciche gestendo l'incertezza diagnostica nei dataset multietichetta clinici.
Questa ricerca ottimizza i modelli SOUP-GAN e CSR-GAN attraverso modifiche architetturali e tecniche di stabilizzazione, dimostrando che entrambi migliorano significativamente la ricostruzione delle immagini MRI ad alta risoluzione, con il CSR-GAN che eccelle nei dettagli ad alta frequenza e il SOUP-GAN nella riduzione del rumore e nel mantenimento della struttura.
Il paper propone FMCT ed EFMCT, un framework di ricostruzione CT basato sul Flow Matching che, sfruttando la natura deterministica del modello e il riutilizzo dei campi di velocità, supera i limiti di efficienza e stabilità dei modelli diffusivi riducendo significativamente il costo computazionale mantenendo alta qualità.
Il documento presenta il TACIT Benchmark, un nuovo sistema di valutazione programmatico per il ragionamento visivo che, attraverso 10 task e un approccio a doppio binario (generativo e discriminativo), supera i limiti dei benchmark esistenti eliminando la soggettività e richiedendo un'analisi delle differenze visive strutturali fini.
Il paper propone VisRef, un framework di scaling a test-time che migliora il ragionamento nei modelli multimodali riattivando dinamicamente un sottoinsieme di token visivi pertinenti durante il processo di pensiero, superando così i limiti dei metodi basati su reinforcement learning e ottenendo prestazioni superiori su benchmark visivi.
Questo studio valuta l'efficacia degli attacchi avversariali naturali (NAP) sulla rilevazione fisica dei segnali stradali da parte di veicoli autonomi, dimostrando come un dataset personalizzato (CompGTSRB) e un protocollo sperimentale sistematico permettano di ridurre significativamente l'affidabilità del rilevatore YOLOv5.
Questo studio propone un classificatore multi-classe ispirato alla meccanica quantistica basato sulla "Pretty Good Measurement" (PGM) che, applicato alla radiomica per la sottomaturazione del carcinoma polmonare e la stratificazione del rischio di cancro alla prostata, dimostra prestazioni competitive o superiori rispetto ai metodi classici, offrendo una strategia di discriminazione multi-classe genuina senza riduzioni a coppie.
Questo lavoro dimostra come i Quantum Wasserstein GAN, sfruttando architetture di circuiti variazionali specifiche e tecniche di input rumoroso, possano generare immagini ad alta risoluzione e diversificate su dataset completi come MNIST e Fashion-MNIST senza ricorrere a riduzioni dimensionali o modelli multipli, stabilendo un nuovo stato dell'arte nella generazione di immagini quantistica end-to-end.
Il paper propone AP-PCO, un framework di ottimizzazione congiunta di posizione e colore per generare patch avversariali efficaci e stealth in sistemi di previsione densa visivo-infrarossi, affrontando le sfide delle discrepanze spettrali attraverso un adattamento cross-modale senza richiedere informazioni interne al modello.
Il paper presenta due nuovi metodi, quadspectrale e iperspettrale, che sfruttano le caratteristiche di assorbimento dell'ozono per stimare e mitigare la radianza discendente riflessa, migliorando significativamente l'accuratezza del rilevamento passivo a infrarossi termici (LWIR) e riducendo gli errori di distanza da oltre 100 metri a pochi metri.
Questo paper propone un metodo per apprendere rappresentazioni multimodali in ambito medico che catturano caratteristiche necessarie e sufficienti, decomponendo i dati in componenti invarianti e specifiche per modalità per superare le limitazioni nella stima della Probabilità di Necessità e Sufficienza (PNS) e migliorare così le prestazioni e la robustezza del modello.
Il paper presenta Proof-of-Perception (PoP), un framework multimodale che utilizza strumenti per trasformare il ragionamento in un grafo eseguibile con garanzie di affidabilità conformali, ottimizzando l'allocazione delle risorse computazionali per ridurre le allucinazioni e migliorare l'accuratezza rispetto ai metodi esistenti.
Il paper propone un nuovo framework di diffusione condizionale dotato del modulo SCEM, che sfrutta priors fisici strutturati per migliorare immagini a bassa luminosità ottenendo prestazioni all'avanguardia e una forte capacità di generalizzazione su diversi dataset senza necessità di riaddestramento.
Il paper presenta un quadro di pianificazione chirurgica per protesi visive corticali che ottimizza l'inserimento degli elettrodi tramite un modello differenziabile per massimizzare la qualità percettiva rispettando i vincoli di sicurezza vascolare e di fattibilità anatomica.
Questo studio presenta un framework di deep learning basato su segmentazione U-Net e classificazione OOD-aware per rilevare la freschezza della carne da immagini RGB, dimostrando che EfficientNet-B0 raggiunge il 98,10% di accuratezza e valutando le prestazioni di latenza su dispositivi mobili tramite TensorFlow Lite.
Questo articolo presenta un nuovo framework di segmentazione sematica non supervisionata per tomografia computerizzata a sorgente di sincrotrone, che elimina la necessità di annotazione manuale generando e correggendo automaticamente etichette pseudo tramite clustering e l'approccio Unbiased Teacher, ottenendo così significativi miglioramenti nell'accuratezza rispetto alle etichette iniziali.
Il paper presenta DiffSOS, un modello di diffusione condizionale che ricostruisce mappe ad alta fedeltà della velocità del suono in tomografia ultrasonora partendo da forme d'onda acustiche, offrendo risultati superiori rispetto agli stati dell'arte, una rapida inferenza e una stima dell'incertezza pixel per pixel.
Il paper introduce SSR, un framework efficiente che integra rappresentazioni 2D e 3D tramite un meccanismo di allineamento leggero e un pipeline di generazione di grafi di scena strutturati, permettendo a un modello da 7B parametri di raggiungere prestazioni all'avanguardia nel ragionamento spaziale e nel grounding 3D globale senza costosi pre-training su larga scala.