7349 articoli
Il paper presenta IU, un nuovo attacco backdoor universale impercettibile che utilizza le reti neurali convoluzionali su grafi per generare perturbazioni specifiche per classe, ottenendo un alto tasso di successo con un'infezione minima e mantenendo l'efficacia contro le difese esistenti.
Questo articolo presenta un sistema di ricostruzione per le pareti interne dei tubi industriali che, sfruttando l'endoscopia e la tecnica di assemblaggio di immagini panoramiche con trasformazione in coordinate polari, converte efficientemente i video endoscopici in panoramiche piane per migliorare l'ispezione visiva e la rilevazione dei difetti.
Il paper propone un framework di apprendimento anti-collasso delle caratteristiche che, preservando prospettive di giudizio diversificate e riducendo la dipendenza da singoli indizi salienti, migliora significativamente la generalizzazione e l'affidabilità nella rilevazione di immagini generate in scenari cross-modello.
Il paper presenta UniHM, un framework pionieristico che utilizza un modello visione-linguaggio-azione addestrato su dati di interazione uomo-oggetto e un tokenizzatore unificato per generare manipolazioni destre fisicamente plausibili e generalizzabili a diverse morfologie di mani robotiche partendo da comandi linguistici liberi.
Questo studio presenta un autoencoder diffusivo spazio-temporale che, analizzando immagini TC cerebrali longitudinali, genera rappresentazioni auto-supervisionate per prevedere con successo l'evoluzione e l'esito funzionale nei pazienti con ictus.
Questo articolo introduce il TORS (Constant Total Rotation Schedule), una strategia di pianificazione del campionamento ispirata alle formule di Frenet-Serret che, superando i metodi esistenti senza riaddestramento, genera immagini di alta qualità in soli 10 passaggi su modelli come Flux.1-Dev e Stable Diffusion 3.5.
Il paper DUCX presenta un audit sistematico degli agenti medici per le radiografie toraciche che utilizza una decomposizione della disuguaglianza a stadi per identificare e quantificare le disparità demografiche specifiche del processo, rivelando che i bias nascosti nelle fasi di interazione con gli strumenti e nel ragionamento non sono rilevabili tramite la sola valutazione end-to-end.
Il paper propone lo Spazio di Allineamento Funzionale Neurale (NFAS), un nuovo quadro di riferimento basato sul cervello che caratterizza le reti neurali artificiali analizzando l'evoluzione dinamica delle loro rappresentazioni attraverso la decomposizione modale dinamica, rivelando così una struttura organizzativa coerente con i sistemi corticali integrativi.
Il paper introduce ConVOLT, un framework di previsione conforme che migliora l'efficienza della quantificazione dell'incertezza volumetrica nella segmentazione basata su template sfruttando le proprietà del campo di deformazione per generare intervalli più stretti rispetto ai metodi tradizionali nello spazio di output.
Il paper introduce NERFIFY, un framework multi-agente che trasforma automaticamente e in modo affidabile i documenti di ricerca su NeRF in plugin eseguibili per Nerfstudio, riducendo i tempi di implementazione da settimane a minuti e garantendo una qualità visiva paragonabile al codice scritto da esperti umani.
Il paper introduce COMBAT, un modello del mondo basato su diffusione addestrato sul gioco Tekken 3 che, pur utilizzando solo input a giocatore singolo senza supervisione esplicita, riesce a generare in tempo reale un avversario dinamico e reattivo capace di interagire intelligentemente con l'ambiente.
Il paper presenta MME, un innovativo framework Mixture of Experts che combina un meccanismo di gating basato su Random Walk Transformer e un bilanciamento dinamico della loss per sfruttare i punti di forza di diversi approcci, ottenendo risultati all'avanguardia nelle attività di analisi delle mesh.
Il paper presenta UHDPromer, un Transformer basato su prior di discriminazione neurale che, sfruttando le differenze tra caratteristiche ad alta e bassa risoluzione e una ricostruzione guidata dalla super-risoluzione, raggiunge prestazioni all'avanguardia e un'efficienza computazionale ottimale in compiti di ripristino e miglioramento di immagini UHD.
Il paper propone PPC-MT, un nuovo framework parallelo per il completamento di nuvole di punti che combina un'architettura ibrida Mamba-Transformer e una strategia di decomposizione geometrica basata su PCA per ottenere un'equilibrata efficienza computazionale e alta fedeltà nella ricostruzione.
Il paper introduce MMTA, un'architettura transformer temporale ad alta risoluzione che utilizza l'attenzione multi-appartenenza per migliorare la segmentazione delle azioni a grana fine nei video di riabilitazione post-ictus, ottenendo prestazioni superiori sia con dati video che IMU rispetto ai modelli esistenti.
Il paper propone SMART, un framework semi-supervisionato basato su SAM3 che integra consistenza del movimento e regolarizzazione progressiva della fiducia per migliorare la segmentazione delle arterie coronariche in angiografie a raggi X, ottenendo prestazioni all'avanguardia con una ridotta necessità di dati annotati.
Questo lavoro introduce un innovativo quadro inverso non lineare e cieco per la risonanza magnetica con tagging che, integrando fisica MR e prior generativi, unifica per la prima volta il recupero dell'anatomia, la sintesi di immagini cine ad alta risoluzione e la stima del movimento 3D, superando le limitazioni dei metodi tradizionali.
Il paper presenta VEMamba, un framework efficiente basato su Mamba che risolve il problema della risoluzione assiale nelle immagini di microscopia elettronica volumetrica tramite una nuova strategia di riordino delle dipendenze 3D e un'aggregazione dinamica dei pesi, garantendo una ricostruzione isotropa di alta qualità con un basso costo computazionale.
Il paper introduce pySpatial, un framework di programmazione visuale zero-shot che potenzia i modelli linguistici multimodali per il ragionamento spaziale 3D generando codice Python per interfacciarsi con strumenti di ricostruzione e analisi spaziale, ottenendo risultati superiori rispetto ai modelli di base su benchmark complessi e in esperimenti di navigazione robotica reale.
Il paper propone UD-SfPNet, una rete neurale unificata che combina la rimozione della diffusione sottomarina e la ricostruzione delle normali superficiali tramite polarizzazione, ottenendo risultati di precisione superiori rispetto ai metodi esistenti grazie a moduli innovativi per la coerenza geometrica e il dettaglio.