7462 articoli
Questo studio evidenzia le differenze comportamentali tra esseri umani e modelli visione-linguaggio nel riconoscere caratteri giapponesi ambigui, dimostrando che, sebbene i loro confini decisionali differiscano nella sola analisi della forma, il contesto può migliorare l'allineamento in alcune condizioni.
Il paper propone CausalProto, una rete prototipale causale non supervisionata che, sfruttando un modello causale strutturale e un collo di bottiglia informativo, disaccoppia le caratteristiche patologiche dai fattori ambientali confondenti nelle immagini dermoscopiche per ottenere diagnosi più accurate, interpretabili e prive di bias senza compromettere le prestazioni.
Il paper presenta NIST, un approccio di post-processing neurale leggero che ricrea l'effetto visivo della tassellazione geometrica deformando i contorni nello spazio immagine e preservando la coerenza delle texture, offrendo così silhouettes lisce e fedeli a un costo costante indipendentemente dalla complessità geometrica.
Il lavoro presenta Selfment, un framework completamente auto-supervisionato che raggiunge nuovi risultati di stato dell'arte nella segmentazione degli oggetti senza alcuna annotazione manuale, superando i metodi esistenti e dimostrando un'eccezionale capacità di generalizzazione zero-shot.
Il paper presenta OPTIAGENT, un framework agentico basato su LLM che, grazie a un dataset specializzato, a un addestramento ibrido e a un'ottimizzazione della politica guidata da ricompense fisiche, permette a utenti non esperti di progettare sistemi ottici complessi superando i metodi tradizionali.
Il paper presenta VideoPulse, un dataset neonatale e una pipeline end-to-end che stimano con precisione la frequenza cardiaca e la saturazione di ossigeno (SpO2) da video facciali senza contatto, offrendo una soluzione non invasiva e a basso costo per il monitoraggio in terapia intensiva neonatale.
Il paper propone un nuovo framework che adatta il modello fondazionale DINOv3 per la segmentazione vascolare 3D in regime few-shot, ottenendo prestazioni superiori rispetto agli stati dell'arte su dataset in-domain e out-of-distribution grazie a un adattatore 3D leggero e a strategie di aggregazione multi-scala che garantiscono coerenza volumetrica con dati di addestramento limitati.
Il paper introduce FluoCLIP, un nuovo dataset (FluoMix) e un framework visione-linguaggio che affronta la valutazione della qualità della messa a fuoco nella microscopia a fluorescenza considerando le specifiche caratteristiche delle colorazioni, superando così i limiti degli approcci esistenti che ignorano tale variabilità.
Il paper propone EMO-R3, un framework di apprendimento per rinforzo riflessivo che migliora il ragionamento emotivo e l'interpretabilità dei Modelli Linguistici Multimodali attraverso un pensiero emotivo strutturato e un meccanismo di ricompensa basato sulla coerenza visivo-testuale.
Il paper presenta BiM-GeoAttn-Net, un framework leggero che combina la modellazione dello stato spaziale bidirezionale in profondità con un'attenzione vascolare consapevole della geometria per migliorare l'accurata segmentazione 3D delle dissezioni aortiche nelle immagini CTA, ottenendo prestazioni superiori rispetto alle tecniche esistenti.
Il paper propone Sea², un approccio attivo di percezione che adatta l'uso di modelli pre-addestrati in nuovi ambienti indoor tramite un agente guidato da un VLM personalizzato, migliorando le prestazioni in compiti visivi senza richiedere annotazioni o riaddestramento dei modelli di percezione.
Il paper propone un framework per la manipolazione bimanuale che sfrutta un modello fondazionale geometrico 3D pre-addestrato per prevedere simultaneamente azioni e l'evoluzione della scena 3D partendo solo da immagini RGB, superando così i limiti dei metodi basati su features 2D o nuvole di punti esplicite e ottenendo prestazioni superiori sia in simulazione che nel mondo reale.
Il paper presenta un framework di apprendimento continuo senza esempi per la generazione di referti istopatologici da immagini gigapixel, che utilizza impronte digitali di dominio compatte e un replay generativo per mitigare l'oblio catastrofico e adattarsi alle nuove convenzioni cliniche senza memorizzare dati storici.
Il paper propone CPN-YOLO, un framework di rilevamento navale SAR ad alta precisione basato su YOLOv8 che integra un modulo di denoising, un meccanismo di attenzione PPA e una funzione di perdita NWD per migliorare la robustezza in scenari complessi e la rilevazione di piccole imbarcazioni, ottenendo risultati superiori rispetto agli stati dell'arte sui dataset HRSID e SSDD.
Il paper propone un framework multimodale end-to-end che integra immagini e metadati DICOM mediante meccanismi di attenzione incrociata e apprendimento dizionario per classificare serie di immagini mediche in modo robusto, superando le sfide legate all'eterogeneità dei dati e alla sparsità dei metadati senza richiedere imputazione.
Il paper propone un modello di diffusione guidato dall'incertezza di polarizzazione che, integrando un prior generativo da modelli testo-immagine, supera i limiti dei metodi esistenti nel ricostruire con alta fedeltà le caratteristiche di polarizzazione (DOP e AOP) dalle immagini grezze a filtro colorato-polarizzato.
Il paper presenta un modello multi-modale e multi-task che combina BERT e CLIP con una strategia di pseudo-etichettatura per rilevare immagini generate dall'IA e identificarne i modelli sottostanti, ottenendo il quinto posto nelle competizioni CT2 con punteggi F1 rispettivamente del 83,16% e del 48,88%.
Il paper propone ReSeg-CLIP, un metodo senza addestramento per la segmentazione semantica open-vocabulary in ambito di telerilevamento che combina un meccanismo di mascheramento gerarchico basato su SAM con una composizione di modelli CLIP specifici per il settore, ottenendo risultati all'avanguardia su tre benchmark.
Il paper propone un sistema ibrido cloud-veicolo che, sfruttando la comunicazione V2X e modelli transformer per la fusione dei dati sensoriali, adatta dinamicamente il carico computazionale e la quantizzazione delle feature per garantire una percezione 3D a 360 gradi con latenza ridotta e maggiore accuratezza rispetto alle soluzioni puramente onboard.
Questo studio propone un metodo di riconoscimento visivo dei luoghi aereo adattivo all'altitudine che, analizzando la densità delle caratteristiche del suolo per stimare l'altitudine relativa e generare immagini query canoniche, raggiunge una localizzazione robusta e ad alta precisione senza richiedere sensori aggiuntivi.