9764 articoli
Il paper propone un'architettura di attenzione incrociata tra piani centrata sull'asse assiale, che integra il modello fondazionale MedDINOv3 e meccanismi di fusione direzionale per allineare l'analisi delle immagini mediche 3D al flusso di lavoro clinico, ottenendo prestazioni superiori su sei dataset del benchmark MedMNIST3D.
Il paper presenta LieFlow, un framework di rappresentazione radiante dinamica che modella e prevede i campi di movimento 4D utilizzando l'algebra di Lie e il gruppo SE(3) per garantire coerenza geometrica e fisica superiore rispetto ai metodi basati su NeRF.
Il paper propone la VCC-Net, una rete cooperativa guidata dalla cognizione visiva che integra le tracce di ricerca oculare dei radiologi con l'inferenza del modello per migliorare l'accuratezza diagnostica, l'interpretabilità e l'allineamento con il flusso di lavoro clinico nella diagnosi di radiografie toraciche.
Il paper propone HybridINR-PCGC, un nuovo framework ibrido per la compressione geometrica lossless delle nuvole di punti che combina modelli preaddestrati e rappresentazioni neurali implicite per superare le dipendenze dai dati e i costi computazionali delle metodologie esistenti, ottenendo significativi miglioramenti nel tasso di compressione e nell'efficienza.
Il paper presenta MoGaF, un nuovo framework basato su 4D Gaussian Splatting che utilizza il raggruppamento e l'ottimizzazione consapevoli del movimento per generare previsioni a lungo termine di scene dinamiche coerenti e fisicamente plausibili, superando gli attuali metodi di riferimento.
Il paper introduce E-comIQ-ZH, un nuovo framework, dataset e modello di valutazione specializzati per l'analisi automatica e allineata al giudizio umano dei poster di e-commerce cinesi, affrontando le sfide specifiche legate alla complessità testuale e alle esigenze funzionali del settore.
Il paper presenta SF3D-RGB, un'architettura di deep learning end-to-end che combina immagini monocromatiche 2D e nuvole di punti LiDAR sparse per stimare il flusso di scena con maggiore accuratezza ed efficienza rispetto ai metodi a singola modalità o ad altre tecniche di fusione.
Questo lavoro presenta un'architettura di deep learning basata su U-Net per la segmentazione dei tumori cerebrali, con un focus particolare sul compartimento non-enhancing, spesso trascurato nelle sfide recenti ma cruciale per la prognosi e la previsione della crescita tumorale.
Il paper propone un metodo senza addestramento chiamato "Dynamic Multimodal Activation Steering" che mitiga le allucinazioni nei modelli visione-linguaggio su larga scala intervenendo dinamicamente su specifici sottogruppi di attention heads durante l'inferenza, selezionando vettori di steering contestualmente rilevanti basati sulla similarità semantica.
Il paper introduce SurGo-R1, un modello basato su RLHF e un nuovo benchmark per il ragionamento contestuale nelle zone operative della chirurgia minimamente invasiva, che supera significativamente le capacità dei modelli visivo-linguistici esistenti identificando prima la fase chirurgica e poi determinando le zone sicure con alta precisione.
Questo lavoro estende un metodo di ricostruzione basato su modelli per l'adattamento spaziale della sparsità nei dizionari convoluzionali, migliorando l'invarianza alle permutazioni dei filtri e la flessibilità di inferenza, e dimostra una maggiore robustezza rispetto ai metodi deep learning puri nella risonanza magnetica a basso campo, specialmente di fronte a distribuzioni di dati diverse da quelle di addestramento.
Lo studio dimostra che un framework di deep learning basato su U-Net per la delimitazione dei popolamenti forestali raggiunge prestazioni comparabili utilizzando sia modelli di altezza della chioma derivati da laser scanning aereo (ALS) che da fotogrammetria aerea (DAP), confermando che quest'ultima, pur con dettagli strutturali ridotti, può sostituire efficacemente l'ALS e che l'aggiunta di un modello digitale del terreno non migliora ulteriormente i risultati.
Questo lavoro propone un metodo innovativo per la segmentazione dei denti che combina un codificatore a tre stadi con rappresentazioni gerarchiche delle caratteristiche e una modellazione bidirezionale della sequenza per migliorare la precisione e l'efficienza computazionale rispetto alle tecniche esistenti.
Il paper propone TranX-Adapter, un adattatore di fusione leggero che risolve il problema della diluizione dell'attenzione nelle caratteristiche di artefatto integrando efficientemente artefatti e semantica nei modelli linguistici multimodali per migliorare la rilevazione delle immagini generate dall'IA.
SigVLP è un nuovo modello di pre-addestramento auto-supervisionato che utilizza incorporamenti di posizione rotazionali e allineamento testo-volume granulare per apprendere rappresentazioni adattive da volumi CT di dimensioni variabili, superando i limiti dei metodi tradizionali basati su crop o interpolazione.
Questo lavoro propone un nuovo paradigma "Structure-to-Image" che, introducendo la congruenza di fase e un vincolo strutturale cross-livello, supera il divario tra simulazione e realtà per la stima della profondità in colonoscopia, ottenendo una riduzione significativa dell'errore RMSE rispetto ai metodi esistenti.
Il paper presenta LiREC-Net, una rete di calibrazione basata sull'apprendimento e priva di target che, all'interno di un framework unificato, calibra simultaneamente con alta precisione LiDAR, RGB e dati event, superando i limiti dei metodi esistenti dedicati solo a coppie bi-modali.
Il paper propone un framework di parallelismo ibrido che combina la partizione dei dati basata sulla guida condizionale con una schedulazione adattiva del pipeline per accelerare l'inferenza dei modelli di diffusione, riducendo significativamente la latenza su GPU multiple senza compromettere la qualità dell'immagine.
Il paper propone SAPNet++, un'architettura che risolve le ambiguità di granularità e l'incertezza dei confini nella segmentazione istanziale guidata da punti singoli integrando guida basata sulla distanza, mining di box, una strategia di selezione delle proposte arricchita da punteggi di completezza spaziale (S-MIL) e affinamento multi-livello dell'affinità.
Questo articolo presenta CUPID, un nuovo framework di machine unlearning che risolve il problema del "shortcut unlearning" nei modelli distorti, permettendo loro di dimenticare efficacemente i dati specifici evitando di perdere le correlazioni spurie che ne migliorano paradossalmente l'accuratezza.