9017 articoli
Questo studio presenta una fedele replica del metodo FedTPG, confermando che la generazione dinamica di prompt guidata dal testo in un contesto di apprendimento federato migliora significativamente la generalizzazione delle vision-language models su classi non viste rispetto ai metodi statici.
Il documento presenta COMPASS, un sistema di gemello digitale temporale basato sull'intelligenza artificiale che analizza dati multimodali frazionali per prevedere la tossicità nei pazienti con carcinoma polmonare non a piccole cellule, dimostrando la fattibilità di un approccio di radioterapia adattiva guidato dalle risposte biologiche individuali in evoluzione.
Il paper presenta MARVUS, un sistema di realtà aumentata mobile ed efficiente che, utilizzando un modello fondazionale, migliora significativamente l'accuratezza e la riproducibilità delle ricostruzioni volumetriche delle lesioni tramite ecografia 2D, riducendo la variabilità inter-operatoria e i costi rispetto alle soluzioni 3D tradizionali.
Questo studio dimostra che la combinazione di tecniche di riequilibrio dei dati e metodi di disaccoppiamento delle caratteristiche rappresenta l'approccio più efficace per mitigare l'apprendimento di scorciatoie nei modelli di deep learning per l'imaging medico, migliorando la robustezza e la generalizzazione senza compromettere l'efficienza computazionale.
Questo articolo presenta un framework di visione artificiale basato su una singola telecamera che, utilizzando YOLO e ByteTrack, estrae dati di tracciamento multi-classe da riprese televisive di calcio, offrendo alle squadre con budget limitato un'alternativa economica ai costosi sistemi di tracciamento dedicati.
Questo studio introduce un nuovo framework di analisi basato sul ripristino che, utilizzando Sparse Autoencoder, dimostra come la maggior parte dei metodi di "machine unlearning" si limiti a sopprimere le informazioni a livello di output anziché cancellarle realmente dalle rappresentazioni interne, evidenziando la necessità di nuovi criteri di valutazione che verifichino la rimozione effettiva dei dati a livello semantico.
Questo studio introduce un nuovo modello stocastico continuo che, integrando dati di tracking potenziati dalla posa per quantificare la visione dei giocatori, supera i limiti dei metodi tradizionali basati sul movimento della testa e dimostra come le metriche visive aggregate siano predittive del successo in gioco, offrendo inoltre strumenti open-source per l'integrazione con le analisi calcistiche esistenti.
Il paper presenta Sketch2Feedback, un framework "grammar-in-the-loop" che combina rilevamento simbolico e modelli linguistici multimodali per generare feedback grammaticale e allineato alle rubriche su diagrammi STEM, riducendo significativamente le allucinazioni rispetto ai modelli end-to-end e migliorando l'azione del feedback pur mantenendo prestazioni competitive.
Questo studio valuta se le metriche generative standard possano prevedere le prestazioni di YOLOv11 nell'addestramento con immagini sintetiche, rivelando che l'efficacia dell'aumento dei dati e la correlazione con le metriche dipendono fortemente dalla complessità del dataset e dal regime di addestramento, con guadagni significativi solo in scenari di rilevamento più complessi.
Il paper presenta JAEGER, un framework che estende i modelli linguistici audio-visivi alla percezione 3D integrando osservazioni RGB-D e ambisonics multicanale con una nuova rappresentazione audio vettoriale neurale, validato sul benchmark SpatialSceneQA per migliorare il grounding spaziale e il ragionamento in ambienti fisici complessi.
Questo studio confronta dieci architetture di deep learning per la classificazione di cinque varietà di olive nere turche, dimostrando che EfficientNetV2-S raggiunge la massima accuratezza (95,8%) mentre EfficientNetB0 offre il miglior compromesso tra prestazioni e complessità computazionale, evidenziando come l'efficienza parametrica sia cruciale in contesti con dati limitati.
Il paper presenta VLANeXt, un modello VLA ottimizzato attraverso un'analisi sistematica delle scelte progettuali che ne dimostra le prestazioni superiori rispetto agli stati dell'arte su benchmark simulati e in esperimenti reali, accompagnato dal rilascio di un codice unificato per la comunità.
Questo studio dimostra che la pressione morfologica, sia attraverso descrittori di caratteristiche che attraverso strutture fonologiche di parole inventate, crea gradienti navigabili negli spazi latenti dei modelli di diffusione testo-immagine, permettendo di raggiungere identità visive coerenti e di generare nuovi concetti senza l'uso di dati di addestramento specifici.
Questo studio dimostra che i modelli generativi all'avanguardia per la ricostruzione delle immagini MRI sono altamente vulnerabili a piccole perturbazioni avversarie che inducono allucinazioni, evidenziando la necessità di sviluppare nuove tecniche di rilevamento e addestramento per garantire la sicurezza diagnostica.
Il paper presenta Rodent-Bench, un nuovo benchmark progettato per valutare le capacità dei modelli linguistici multimodali nell'annotare video di comportamenti dei roditori, rivelando che gli attuali modelli all'avanguardia non sono ancora sufficientemente affidabili per questo compito a causa di significative difficoltà nella segmentazione temporale e nel riconoscimento di stati comportamentali sottili.
Questo studio presenta un approccio innovativo basato su una rete 4D-UNet che, sfruttando le informazioni spaziali e temporali, migliora il filtraggio del clutter e la rilevazione delle microbolle nell'ecografia transcranica con mezzo di contrasto negli adulti, superando i limiti dei filtri tradizionali.
Il paper propone GIST, un metodo innovativo per la selezione mirata dei dati nell'addestramento con istruzioni che, superando le limitazioni degli approcci basati su statistiche dell'ottimizzatore, utilizza un allineamento di sottospazi tramite SVD per gestire le complesse interazioni tra parametri nei metodi di fine-tuning efficiente (PEFT), ottenendo prestazioni superiori con costi computazionali e di storage drasticamente ridotti.
Questo articolo presenta il dataset FloralSix e un benchmark di varianti YOLO per il riconoscimento dei fiori, dimostrando come l'ottimizzazione dell'annotazione (singola o multipla) e l'uso dell'ottimizzatore SGD influenzino le prestazioni nei diversi scenari di densità vegetale per applicazioni agricole.
Il paper introduce DM4CT, un benchmark completo che valuta le prestazioni e le limitazioni dei modelli di diffusione per la ricostruzione tomografica computerizzata (CT) in scenari reali e simulati, confrontandoli con metodi consolidati e rendendo disponibili dataset e codice.
Lo studio dimostra che l'uso di patch di dimensioni ridotte (1, 2 e 4) durante il fine-tuning dei Vision Transformers migliora significativamente le prestazioni nella classificazione di immagini mediche 2D e 3D rispetto alle patch più grandi, con un ulteriore guadagno ottenuto tramite una strategia di ensemble.