8349 articoli
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.
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.