7824 articoli
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.
Il paper presenta HoloLLM, un modello fondazionale multimodale che integra sensori non convenzionali come LiDAR, infrarossi e radar mmWave per superare i limiti dei modelli visivi nella percezione e nel ragionamento sul comportamento umano negli ambienti domestici intelligenti.
Il paper propone un metodo di codifica trasformativa addestrabile (TTC) che integra una trasformazione di analisi-sintesi gerarchica, basata su KLT e una rete neurale sparsa, per migliorare le prestazioni di compressione e il compromesso tra bitrate e tempo di decodifica nella rappresentazione 3DGS.
Il paper presenta SpikePingpong, un sistema robotico innovativo per il ping-pong che integra visione basata su spike e apprendimento per imitazione in un'architettura "Fast-Slow" ispirata alla teoria dei due sistemi di Kahneman, ottenendo un'alta precisione nel colpire la palla in zone target anche ad alta velocità.
Il lavoro propone la guida adattiva a bassa frequenza (ALG), un metodo senza addestramento che migliora la dinamica temporale nella generazione video da immagine mitigando l'esposizione prematura ai dettagli ad alta frequenza, ottenendo così video più dinamici senza compromettere la qualità dell'immagine o l'allineamento al testo.
Il paper presenta UPNet, un approccio innovativo per la selezione attiva delle viste nella ricostruzione 3D che utilizza mappe di incertezza neurale predette da una rete feedforward leggera per identificare le viste più informative, riducendo drasticamente il carico computazionale e il numero di angolazioni necessarie rispetto ai metodi esistenti mantenendo un'accuratezza comparabile.
Questo studio affronta le sfide dell'adozione dell'IA per il rilevamento dei guasti nei sensori delle missioni spaziali basate sulla navigazione visiva, presentando un'analisi sistematica delle anomalie, un framework di simulazione per generare dati difettosi sintetici e un dataset dedicato per l'addestramento di algoritmi di rilevamento.
Il paper propone NRSeg, un framework di apprendimento resiliente al rumore per la segmentazione semantica in vista dall'alto (BEV) che sfrutta dati sintetici da modelli del mondo di guida, integrando metriche di coerenza geometrica, predizione parallela di distribuzioni e un modulo di esclusione semantica gerarchica per ottenere prestazioni all'avanguardia in scenari non supervisionati e semi-supervisionati.
Questo articolo presenta SFATTI, un acceleratore FPGA per reti neurali spiking ottimizzato per l'inferenza a bassa latenza e consumo energetico su dispositivi edge, dimostrando la sua efficacia attraverso uno studio di caso sul dataset MNIST utilizzando il framework open-source Spiker+.
Questo lavoro presenta il primo sistema di controllo in ciclo chiuso per quadricotteri in grado di hoverare in tubi stretti, che sfrutta una velocimetria basata su eventi a bassa latenza e una rete neurale ricorrente per stimare le perturbazioni aerodinamiche in tempo reale e prevenire collisioni con le pareti.
Il paper presenta FedGIN, un framework di apprendimento federato che integra un modulo di augmentazione non lineare dell'intensità globale per migliorare la segmentazione degli organi su immagini multimodali (MRI e CT) senza condividere dati grezzi, ottenendo significativi miglioramenti nelle prestazioni rispetto ai modelli locali e centralizzati.
Questo articolo propone la NS-FPN, una rete neurale leggera che migliora la rilevazione e segmentazione di piccoli target a infrarossi integrando moduli di purificazione delle frequenze basse e campionamento a spirale per sopprimere il rumore e ridurre i falsi allarmi.
Il documento presenta SSD-Reg, un nuovo framework ibrido fisico-informato che integra modelli di diffusione come regolarizzazione appresa all'interno di uno schema variazionale per migliorare la ricostruzione tomografica a microonde, superando le limitazioni dei metodi convenzionali e delle reti neurali tradizionali senza richiedere dati di addestramento accoppiati.
Il paper presenta PaCo-FR, un framework di pre-addestramento non supervisionato che combina la modellazione di immagini mascherate con l'allineamento patch-pixel per superare le limitazioni delle metodologie esistenti nel catturare le caratteristiche facciali fini e la struttura spaziale, ottenendo prestazioni all'avanguardia con dati non etichettati.
Questo articolo presenta TS-Mamba, un nuovo metodo per la super-risoluzione video online che combina modelli di spazio di stato (SSM) a bassa complessità con una modellazione delle traiettorie temporali per aggregare informazioni spaziotemporali a lungo raggio, ottenendo prestazioni all'avanguardia e una riduzione significativa della complessità computazionale.
Il paper presenta MoSA, un modello innovativo che genera video umani coerenti dal punto di vista del movimento decouplando la sintesi della struttura 3D da quella dell'aspetto, migliorando così il controllo sui movimenti complessi e le interazioni uomo-ambiente grazie a un nuovo dataset su larga scala e a meccanismi di vincolo specifici.
Il paper propone DeReF, un nuovo framework multimodale per la previsione della sopravvivenza al cancro che supera i limiti delle tecniche di fusione esistenti integrando un decoupling modale, una strategia di riorganizzazione casuale delle caratteristiche e un'attenzione incrociata regionale per migliorare l'interazione informativa e la generalizzazione dei modelli esperti.