7574 articoli
Il paper introduce GeoWorld, un modello del mondo geometrico che utilizza un Hyperbolic JEPA e l'apprendimento per rinforzo geometrico per preservare le relazioni strutturali gerarchiche e migliorare la pianificazione visiva a lungo termine rispetto agli approcci esistenti.
Il paper presenta PointATA, un nuovo paradigma "allinea poi adatta" che supera le sfide del trasferimento da modelli 3D a compiti di percezione 4D mitigando il divario modale e l'overfitting attraverso un allineamento basato sul trasporto ottimo e adattatori efficienti, ottenendo prestazioni superiori con un costo parametrico ridotto.
Il paper propone un metodo di apprendimento debolmente supervisionato che collega un modello visivo fondazionale per la microscopia cerebrale a un modello linguistico generando didascalie sintetiche da descrizioni letterarie associate alle etichette, permettendo così di descrivere in linguaggio naturale l'architettura citologica umana senza richiedere dati immagine-testo accoppiati.
Il paper introduce le Locally Adaptive Decay Surfaces (LADS), una nuova famiglia di rappresentazioni per camere a eventi che modula adattivamente il decadimento temporale in base alla dinamica locale del segnale, migliorando significativamente l'accuratezza nella rilevazione del volto e nel rilevamento dei punti di riferimento rispetto ai metodi tradizionali, specialmente ad alte frequenze, pur consentendo l'uso di architetture di rete più leggere.
Il paper presenta SpectralMamba-UNet, un nuovo framework per la segmentazione di immagini mediche che disaccoppia le informazioni strutturali e testurali nel dominio della frequenza mediante trasformata coseno discreta e modelli Mamba, migliorando così la coerenza globale e i dettagli dei confini.
Il paper propone FLIGHT, un metodo innovativo basato su un'estensione della trasformata di Hough su una sfera unitaria discretizzata tramite un reticolo di Fibonacci per stimare in tempo reale la direzione di movimento della telecamera da video monoculare, offrendo una maggiore robustezza al rumore e agli outlier rispetto alle tecniche esistenti e migliorando l'accuratezza nell'inizializzazione della posa nei sistemi SLAM.
Questo lavoro affronta la mancanza di un framework standardizzato per valutare gli attacchi adversariali trasferibili nel riconoscimento delle immagini, proponendo una revisione sistematica, una classificazione in sei categorie e un benchmark completo per garantire confronti equi e identificare strategie di miglioramento.
TriLite è un nuovo framework a stadio singolo per la localizzazione di oggetti debolmente supervisionata che, sfruttando un Vision Transformer pre-addestrato in modo auto-supervisionato e un modulo TriHead per la disentanglement delle regioni, raggiunge lo stato dell'arte con un numero minimo di parametri e costi di addestramento ridotti.
Il paper propone CARE, un metodo in due fasi che combina calibrazione dell'evidenza probabilistica e raffinamento tramite propagazione per migliorare la robustezza del Re-Identification delle persone in presenza di etichette rumorose, superando i limiti delle tecniche basate su softmax attraverso una calibrazione adattiva e una selezione dinamica dei campioni.
Il paper propone un nuovo framework non supervisionato per la stabilizzazione video online basato su priors classici e un meccanismo di buffering multithread, che supera le limitazioni dei metodi deep learning e introduce un nuovo dataset multimodale UAV per estendere l'applicabilità a scenari come il rilevamento notturno.
Questo studio dimostra che è possibile recuperare statisticamente e in modo fisicamente coerente le condizioni meteorologiche superficiali a scala metrica su tutto il territorio degli Stati Uniti, integrando osservazioni di superficie e dati di osservazione terrestre ad alta risoluzione con modelli atmosferici a scala grossolana, riducendo significativamente gli errori rispetto ai dati ERA5.
Il paper presenta BaryIR, un framework di apprendimento che allinea le caratteristiche degradate nello spazio delle barycenter di Wasserstein per decouplare i contenuti invarianti dalle specificità del degrado, migliorando così la generalizzazione e la robustezza dei modelli di ripristino delle immagini su degradazioni non viste.
Il paper presenta LaGS, un approccio innovativo che combina il tracciamento end-to-end basato su telecamera e la previsione occupazionale panottica multivista per realizzare un tracciamento occupazionale 4D efficiente e ad alte prestazioni, superando i limiti delle metodologie esistenti attraverso una nuova tecnica di "latent Gaussian splatting".
Il paper propone Phys-3D, un framework di tracciamento in tempo reale vincolato da principi fisici che integra rilevamento, aspetto e dinamica 3D per contare con precisione le folle sulle banchine ferroviarie nonostante le occlusioni e il movimento della telecamera.
Il paper presenta FairQuant, un framework che ottimizza la quantizzazione a precisione mista per la classificazione di immagini mediche, migliorando l'equità algoritmica tra diversi gruppi demografici senza compromettere significativamente l'accuratezza complessiva rispetto ai modelli a precisione uniforme.
ColoDiff è un framework basato su diffusione che genera video di colonoscopia dinamici e coerenti, integrando moduli per la consistenza temporale e il controllo dei contenuti clinici per affrontare la scarsità di dati e supportare l'analisi medica.
Questo lavoro presenta un framework computazionale basato sul sistema BrokenEyes che simula cinque disturbi oculari comuni per analizzare il loro impatto sulle rappresentazioni delle caratteristiche nei modelli di deep learning, rivelando come condizioni come cataratta e glaucoma alterino significativamente l'elaborazione neurale attraverso metriche di valutazione specifiche.
Il paper propone un metodo di ricostruzione di immagini mediche chiamato "Dual-Coupled PnP Diffusion" con "Spectral Homogenization", che risolve il compromesso tra bias e allucinazioni correggendo la mancanza di memoria degli algoritmi esistenti e adattando i residui strutturati per rispettare le assunzioni statistiche dei modelli di diffusione, garantendo così una convergenza più rapida e risultati di alta fedeltà.
Questo lavoro introduce il Multidimensional Task Learning (MTL), un quadro matematico unificato basato sulle Generalized Einstein MLPs che opera direttamente sui tensori tramite il prodotto di Einstein, superando i limiti del pensiero matriciale per trattare compiti di visione artificiale come casi speciali di una configurazione dimensionale coerente e senza perdita di informazioni.
Il paper presenta UniScale, un framework unificato per la ricostruzione 3D multi-vista che integra in modo flessibile priori geometrici e stime metriche in un'unica rete feed-forward, offrendo una soluzione robusta e scalabile per la percezione robotica senza necessità di addestramento da zero.