7820 articoli
Il paper presenta CASR, un framework ciclico efficiente che risolve il problema dello spostamento distributivo nella super-risoluzione a scala arbitraria allineando le distribuzioni strutturali e sfruttando l'autosimilarità per garantire inferenze stabili e di alta qualità anche a ingrandimenti estremi.
Il paper propone un nuovo encoder di aggregazione a livello di regione che fonde rappresentazioni di tile a diverse magnificazioni tramite un preaddestramento con mascheramento, migliorando le prestazioni predittive per vari biomarcatori tumorali grazie a una migliore cattura del contesto spaziale e multi-risoluzione nelle immagini patologiche.
Questo studio dimostra che i modelli generativi immagine-su-immagine pronti all'uso possono essere riproposti come denoiser generici tramite semplici prompt testuali per aggirare con successo e superare gli attacchi esistenti una vasta gamma di schemi di protezione delle immagini, rivelando così una vulnerabilità critica che offre una falsa sicurezza.
Il paper introduce WHOLE, un metodo che ricostruisce in modo olistico e coerente la dinamica congiunta di mani e oggetti nello spazio mondiale partendo da video egocentrici, superando le limitazioni delle tecniche attuali che trattano separatamente le due entità.
Questo articolo affronta la sfida di partizionare le variabili di input nei metodi di attribuzione per l'IA spiegabile, proponendo una nuova metrica basata sui valori di Shapley per coalizioni che risolve i conflitti attributivi derivanti dalle interazioni AND-OR e ne valuta la fedeltà attraverso tre indicatori, validati sperimentalmente su diversi domini.
Il lavoro propone Proto-Caps, un modello innovativo che combina reti a capsule, apprendimento per prototipi e informazioni privilegiate per ottenere una classificazione interpretabile e ad alte prestazioni delle immagini mediche, dimostrando sul dataset LIDC-IDRI una precisione superiore del 6% rispetto ai modelli di riferimento mantenendo al contempo la capacità di fornire ragionamenti basati su casi visivamente verificabili.
Il paper presenta PILOT, un metodo di ottimizzazione nello spazio latente che utilizza una centralizzazione semantica e una perdita di preservazione dello sfondo per generare immagini di inpainting coerenti e multi-modali senza necessità di ri-addestramento dei modelli di diffusione pre-addestrati.
Il paper presenta ScaleDepth, un nuovo metodo monoscopico che scompone la stima della profondità metrica nella previsione della scala della scena e nella stima della profondità relativa, permettendo di ottenere risultati all'avanguardia su scenari sia interni che esterni senza necessità di sintonizzazione fine o definizione di intervalli di profondità.
DreamBarbie è un nuovo framework basato su testo che genera avatar 3D animabili in stile Barbie con componenti separabili e pronti per la simulazione, superando le limitazioni dei metodi esistenti grazie a una rappresentazione 3D espressiva, un'inizializzazione basata su SDF e modelli di diffusione specializzati per garantire alta fedeltà e stabilità topologica.
Questo studio presenta UWF-RI2FA, un modello di intelligenza artificiale generativa che produce immagini sintetiche di angiografia fluoresceinica ultralarga senza l'uso di coloranti endovenosi, migliorando significativamente l'accuratezza nella stratificazione della retinopatia diabetica.
RegTrack è un metodo efficiente e generalizzabile per il tracciamento 3D multi-oggetto che, ispirandosi alla teoria di gauge di Yang-Mills e utilizzando un unico encoder tri-cue, supera le complessità delle soluzioni esistenti ottenendo prestazioni superiori su KITTI e nuScenes con soli 2,6 milioni di parametri.
Questo articolo presenta due algoritmi basati su operatori di reti neurali multidimensionali con funzioni di attivazione sigmoide iperbolica per la modellazione e il ridimensionamento di dati di telerilevamento, dimostrando sperimentalmente, tramite il dataset RETINA, che tali metodi superano le tecniche di interpolazione classiche, in particolare per quanto riguarda l'indice di similarità strutturale (SSIM).
Questo articolo propone e confronta due modelli variazionali per la segmentazione di superfici basati sulla variazione totale del vettore normale, evidenziando come un regolarizzatore nello spazio delle etichette, sebbene computazionalmente più costoso, offra risultati superiori nella rimozione del rumore e come tale costo sia mitigato da uno schema di Newton su varietà.
Questo studio indaga le cause del fallimento nella generalizzazione dei modelli di visione a basso livello, identificando l'apprendimento di scorciatoie guidato dalla complessità relativa tra contenuto e degradazione, e propone strategie per riequilibrare i dati di addestramento e sfruttare priors generativi per migliorare la robustezza in compiti come la rimozione della pioggia, il denoising e la deblurring.
Il paper presenta EAGLE, un framework di deep learning che, simulando il processo decisionale dei patologi selezionando solo le regioni informative delle immagini, supera le prestazioni degli attuali modelli di aggregazione riducendo il tempo di elaborazione di oltre il 99% e rendendo l'analisi patologica basata sull'IA più rapida, efficiente e accessibile.
Il paper presenta SEED, una nuova metrica di valutazione semantica per la decodifica visiva del cervello che, integrando tre indicatori complementari e confrontandosi con dati umani, supera le metriche esistenti rivelando limiti critici nei modelli più avanzati e fornendo risorse open-source per futuri progressi.
VisionLogic è un nuovo framework neurale-simbolico che genera spiegazioni gerarchiche affidabili per i modelli di visione artificiale, trasformando le attivazioni neuronali in regole logiche globali basate su concetti visivi validati causalmente, migliorando così la comprensione umana del comportamento del modello rispetto ai metodi precedenti.
Il lavoro propone ELogitNorm, un metodo di addestramento privo di iperparametri che risolve il fenomeno del collasso delle caratteristiche nella normalizzazione dei logit, migliorando significativamente la rilevazione dei dati fuori distribuzione e la calibrazione della confidenza senza compromettere l'accuratezza di classificazione.
Questo lavoro propone un framework multimodale efficiente che integra LiDAR e telecamere per la rilevazione 3D e la previsione di traiettorie di oggetti dinamici, raggiungendo prestazioni di stato dell'arte e un'inferenza in tempo reale su robot mobili con risorse computazionali limitate.
Questo studio riproduce l'algoritmo CheXNet sul dataset NIH ChestX-ray14 e ne migliora le prestazioni, ottenendo un punteggio medio AUC-ROC di 0,85 e un F1 score di 0,39 per la classificazione di 14 diverse patologie polmonari.