8182 articoli
Il paper presenta GeoDiv, un nuovo framework che utilizza modelli linguistici e vision-language per misurare sistematicamente la diversità geografica nei modelli di generazione immagini, rivelando come questi ultimi tendano a rafforzare stereotipi e a rappresentare in modo distorto e impoverito paesi come India, Nigeria e Colombia.
Il paper presenta Lumosaic, un sistema attivo e compatto per la cattura di video iperspettrali in tempo reale che combina un array LED a banda stretta con una fotocamera a pixel a esposizione codificata e un processo di ricostruzione basato sull'apprendimento per ottenere ricostruzioni spettralmente accurate e temporalmente coerenti anche in presenza di movimento.
Il paper presenta WeaveTime, un framework efficiente e indipendente dal modello che risolve il problema dell'agnosticismo temporale nei Video-LLM introducendo un obiettivo di ricostruzione temporale per l'apprendimento dell'ordine e una cache di focus dinamico per la gestione della memoria in streaming, migliorando così accuratezza e latenza nei contesti online.
Il paper presenta MedTri, un framework di normalizzazione che trasforma i referti medici liberi in triplette strutturate basate sull'anatomia, migliorando significativamente la qualità del pre-addestramento visione-linguaggio medico rispetto ai dati grezzi e alle tecniche esistenti.
Il paper presenta NoLan, un framework senza addestramento che mitiga le allucinazioni di oggetti nei modelli visione-linguaggio su larga scala sopprimendo dinamicamente i prior linguistici del decoder, che l'analisi ha identificato come la causa principale di tale fenomeno.
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.