7517 articoli
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.
Il paper propone DACESR, un metodo che combina un estrattore di embedding reale (REE) basato su RAM per gestire le immagini degradate e una rete Mamba potenziata da un modulatore di caratteristiche condizionale (CFM), al fine di migliorare la super-risoluzione delle immagini nel mondo reale bilanciando fedeltà e qualità percettiva.
Il paper propone SelfOccFlow, un metodo end-to-end autosupervisionato per la previsione del flusso di occupazione 3D che elimina la necessità di annotazioni umane o supervisione esterna, disaccoppiando i campi di distanza firmati statici e dinamici e apprendendo il movimento implicitamente attraverso l'aggregazione temporale.
Il paper introduce Ref-Adv, un nuovo benchmark per la comprensione delle espressioni referenziali progettato per eliminare scorciatoie e testare rigorosamente il ragionamento visivo dei modelli linguistici multimodali, rivelando che, nonostante le prestazioni elevate su dataset esistenti, gli attuali modelli MLLM falliscono nel gestire espressioni linguisticamente complesse e distrattori difficili.
Il paper propone BUSD-Agent, un framework multi-agente auto-adattivo guidato dall'esperienza che riduce significativamente i rinvii per biopsia e le escalation diagnostiche nel screening e nella diagnosi del cancro al seno tramite ultrasuoni, recuperando casi storici simili per adattare dinamicamente le decisioni senza aggiornamenti parametrici.
Il paper presenta ABPolicy, una politica di flusso asincrona basata su B-spline che garantisce movimenti robotici lisci e reattivi risolvendo le discontinuità e il jitter tipici delle inferenze sincrone attraverso la previsione bidirezionale e l'ottimizzazione di rifitting.