8403 articoli
Il paper presenta SPRITETOMESH, una pipeline automatica ibrida che combina segmentazione neurale e algoritmi geometrici per convertire istantaneamente gli sprite 2D in mesh per l'animazione scheletrica, superando i limiti della predizione diretta delle posizioni dei vertici e riducendo i tempi di creazione manuale da minuti a pochi secondi.
Il paper propone un nuovo paradigma di recupero visivo controllabile per qualità che utilizza un modello linguistico generativo per arricchire query brevi e ambigue con dettagli contestuali e livelli di qualità espliciti, migliorando significativamente i risultati di recupero senza modificare i modelli visione-linguaggio preaddestrati.
Il paper presenta XMorph, un framework di intelligenza artificiale spiegabile ed efficiente che combina un meccanismo di normalizzazione dei bordi pesato per l'informazione con un modulo ibrido LLM-GradCAM++ per ottenere un'accurata classificazione dei tumori cerebrali (96,0%) fornendo al contempo insight clinici interpretabili.
Il paper introduce Mask-HybridGNet, un framework innovativo che addestra modelli di segmentazione basati su grafi utilizzando esclusivamente maschere pixel-wise standard, permettendo l'acquisizione emergente di corrispondenze anatomiche consistenti tra pazienti senza la necessità di annotazioni manuali di punti di riferimento.
Il paper presenta Spa3R, un framework auto-supervisionato che apprende rappresentazioni spaziali unificate da immagini 2D non posizionate tramite la modellazione di campi spaziali predittivi, permettendo ai modelli visione-linguaggio di raggiungere uno stato dell'arte nel ragionamento 3D senza dipendere da dati espliciti tridimensionali.
Il paper presenta HVG, un modello di diffusione video latente che genera video umani di alta qualità, coerenti nello spazio e nel tempo e multi-vista a partire da una singola immagine, consentendo il controllo della posa 3D e della vista attraverso l'uso di una mappa ossea duale, l'allineamento temporale e un campionamento spaziotemporale progressivo.
Gli autori presentano TomoROIS-SurfORA, un framework in due fasi che combina segmentazione diretta delle regioni di interesse tramite deep learning e analisi morfologica delle superfici per caratterizzare quantitativamente le membrane e le loro interazioni nei dati di tomografia crioelettronica.
Questo lavoro introduce il "Reflective Test-Time Planning", un approccio che potenzia gli LLM incarnati integrando la riflessione durante e dopo l'azione per correggere gli errori, migliorare l'assegnazione del credito a lungo termine e accumulare esperienza, ottenendo risultati significativi su benchmark di compiti domestici e di manipolazione.
Questo paper introduce l'aggregazione guidata dall'attenzione (AGC) e altre tecniche per comprimere in modo efficiente le rappresentazioni multi-vettore in qualsiasi modalità, permettendo un recupero dell'informazione scalabile e performante senza sacrificare l'accuratezza.
Il paper introduce Squint, un metodo di apprendimento per rinforzo visivo basato su Soft Actor Critic che, grazie a tecniche come la simulazione parallela e l'ottimizzazione dell'implementazione, raggiunge tempi di addestramento a muro più rapidi rispetto ai metodi precedenti e dimostra un efficace trasferimento sim-to-real su un robot reale.
Questo studio presenta un metodo scalabile e privo di etichette manuali per la segmentazione delle camere cardiache negli ecocardiogrammi, basato sull'apprendimento auto-supervisionato, che dimostra accuratezza clinica e validità confrontabile con le misurazioni manuali e la risonanza magnetica cardiaca.
Il documento propone il Face Pyramid Vision Transformer (FPVT), una nuova architettura che integra meccanismi di riduzione spaziale e dimensionale con un embedding di patch migliorato e una rete feed-forward convoluzionale per estrarre rappresentazioni facciali discriminative multi-scala, ottenendo prestazioni eccellenti su diversi benchmark con un numero ridotto di parametri rispetto agli stati dell'arte esistenti.
Questo studio combina esperimenti psicofisici umani e un modello computazionale biologicamente ispirato chiamato SeCo per dimostrare che sia gli esseri umani che l'intelligenza artificiale possono apprendere rapidamente il ragionamento contestuale e inferire oggetti nascosti in scene complesse senza supervisione esplicita.
Il paper presenta RDFC-GAN, una rete di fusione end-to-end basata su CycleGAN che combina una struttura encoder-decoder con mappature di normalità e un modulo di fusione RGB-profondità per generare mappe di profondità dense e complete a partire da dati incompleti in ambienti interni, superando le limitazioni delle tecniche esistenti su regioni estese prive di dati.
Questo paper propone un modello di previsione spaziotemporale basato su una rete neurale guidata da principi fisici che utilizza un metodo di Runge-Kutta adattivo del secondo ordine e un modulo Fourier potenziato per la frequenza, ottenendo prestazioni superiori rispetto agli stati dell'arte con un numero ridotto di parametri.
Questo studio dimostra che un sistema di stima della posa senza marcatori basato su DeepLabCut addestrato su misura e affinato con la funzione di raffinamento supera le prestazioni dei modelli pre-addestrati e di OpenPose, offrendo una soluzione economica e precisa per l'analisi del cammino in ambienti naturali.
Il paper presenta PASS, un nuovo framework basato su una rete iper-recorrente che utilizza prompt visivi per identificare modelli di sparsità strutturale di alta qualità, migliorando significativamente l'efficienza e l'accuratezza dei modelli di visione artificiale rispetto alle tecniche di pruning tradizionali.
Il paper introduce MathScape, un nuovo benchmark basato su immagini reali che valuta le capacità di ragionamento matematico dei modelli multimodali, rivelando che anche i modelli più avanzati faticano a gestire contesti pratici rispetto a quelli sintetici e rimangono inferiori alle prestazioni umane.
Il paper propone -Mesh, un framework di apprendimento per rinforzo che migliora la ricostruzione di mesh da NeRF combinando la supervisione tramite immagini pseudo-sintetizzate con una strategia di selezione dinamica delle viste basata su UCB per ottimizzare simultaneamente geometria e aspetto.
Il paper propone il modello CT-AGRG, un sistema che genera relazioni radiologiche guidate dalle anomalie individuate nei volumi CT toracici 3D, migliorando significativamente la qualità e la rilevanza clinica dei report rispetto ai metodi esistenti.