7853 articoli
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.
Il paper propone un nuovo framework che apprende rappresentazioni unificate robuste per la previsione della frequenza cardiaca, affrontando l'eterogeneità dei dati tramite dropout casuale delle feature e apprendimento contrastivo, e validando il metodo su un nuovo dataset benchmark (PARROTAO) con risultati significativamente superiori rispetto agli stati dell'arte.
Il paper presenta EHWGesture, un nuovo dataset multimodale e sincronizzato che registra oltre 1.100 esecuzioni di cinque gesti clinici tramite sensori RGB-D, event camera e motion capture, fornendo un benchmark completo per la classificazione, il rilevamento e la valutazione della qualità delle azioni gestuali.
Il paper introduce PCPO, un framework che risolve l'instabilità nell'allineamento dei modelli di generazione immagini tramite un'assegnazione proporzionale del credito, garantendo una convergenza accelerata e una qualità delle immagini superiore rispetto agli stati dell'arte.
Questo lavoro presenta RobustVLA, un metodo che migliora la robustezza dei modelli Vision-Language-Action contro perturbazioni multi-modali attraverso l'ottimizzazione offline del rumore nelle azioni e la formulazione della robustezza come problema di bandit multi-braccio, ottenendo significativi guadagni nelle prestazioni sia in simulazione che su robot reali.
Il paper presenta DeLTa, un nuovo framework che combina stime di profondità e pose 6D con la pianificazione guidata dal linguaggio e una singola dimostrazione per abilitare la manipolazione robotica precisa e generalizzabile di oggetti trasparenti sconosciuti in compiti a lungo termine.
Il paper propone Spatial-DISE, un benchmark unificato e un dataset scalabile basati su una tassonomia cognitiva che valuta la capacità di ragionamento spaziale intrinseco ed estrinseco (statico e dinamico) nei modelli visione-linguaggio, rivelando un significativo divario rispetto alle competenze umane.
Il paper introduce UniGenBench++, un benchmark unificato e multilingue per la valutazione semantica fine-granulare dei modelli di generazione testo-immagine, basato su 600 prompt diversificati e su un pipeline di valutazione automatizzata che ne rivela punti di forza e debolezze.
Il paper presenta egoEMOTION, il primo dataset che combina segnali visivi egocentrici e fisiologici con autovalutazioni di emozioni e personalità per definire nuovi benchmark di riconoscimento affettivo in scenari reali.
Questo lavoro introduce un nuovo framework multimodale che integra dati acustici e visivi per localizzare con precisione gli eventi chirurgici nello spazio 3D, migliorando la comprensione contestuale delle scene operatorie dinamiche e gettando le basi per sistemi chirurgici intelligenti.
Il paper presenta SpecAware, un modello fondazionale consapevole del contenuto spettrale che unifica l'apprendimento multi-sensore per la mappatura iperspettrale tramite un'architettura basata su iperreti e un nuovo dataset di pre-addestramento su larga scala, superando le limitazioni legate all'eterogeneità dei canali spettrali tra diversi sensori.
Il paper presenta VCFlow, un'architettura di decodifica visiva ispirata ai processi cognitivi che, modellando l'organizzazione ventrale-dorsale del sistema visivo e utilizzando l'apprendimento contrastivo, permette una ricostruzione video rapida e scalabile da segnali fMRI senza necessità di addestramento specifico per il soggetto.