9809 articoli
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.
Questo articolo presenta SFATTI, un acceleratore FPGA per reti neurali spiking ottimizzato per l'inferenza a bassa latenza e consumo energetico su dispositivi edge, dimostrando la sua efficacia attraverso uno studio di caso sul dataset MNIST utilizzando il framework open-source Spiker+.
Questo lavoro presenta il primo sistema di controllo in ciclo chiuso per quadricotteri in grado di hoverare in tubi stretti, che sfrutta una velocimetria basata su eventi a bassa latenza e una rete neurale ricorrente per stimare le perturbazioni aerodinamiche in tempo reale e prevenire collisioni con le pareti.
Il paper presenta FedGIN, un framework di apprendimento federato che integra un modulo di augmentazione non lineare dell'intensità globale per migliorare la segmentazione degli organi su immagini multimodali (MRI e CT) senza condividere dati grezzi, ottenendo significativi miglioramenti nelle prestazioni rispetto ai modelli locali e centralizzati.
Questo articolo propone la NS-FPN, una rete neurale leggera che migliora la rilevazione e segmentazione di piccoli target a infrarossi integrando moduli di purificazione delle frequenze basse e campionamento a spirale per sopprimere il rumore e ridurre i falsi allarmi.
Il documento presenta SSD-Reg, un nuovo framework ibrido fisico-informato che integra modelli di diffusione come regolarizzazione appresa all'interno di uno schema variazionale per migliorare la ricostruzione tomografica a microonde, superando le limitazioni dei metodi convenzionali e delle reti neurali tradizionali senza richiedere dati di addestramento accoppiati.
Questo articolo presenta TS-Mamba, un nuovo metodo per la super-risoluzione video online che combina modelli di spazio di stato (SSM) a bassa complessità con una modellazione delle traiettorie temporali per aggregare informazioni spaziotemporali a lungo raggio, ottenendo prestazioni all'avanguardia e una riduzione significativa della complessità computazionale.
Il paper presenta MoSA, un modello innovativo che genera video umani coerenti dal punto di vista del movimento decouplando la sintesi della struttura 3D da quella dell'aspetto, migliorando così il controllo sui movimenti complessi e le interazioni uomo-ambiente grazie a un nuovo dataset su larga scala e a meccanismi di vincolo specifici.
Il paper propone DeReF, un nuovo framework multimodale per la previsione della sopravvivenza al cancro che supera i limiti delle tecniche di fusione esistenti integrando un decoupling modale, una strategia di riorganizzazione casuale delle caratteristiche e un'attenzione incrociata regionale per migliorare l'interazione informativa e la generalizzazione dei modelli esperti.
Il paper propone un nuovo framework che apprende rappresentazioni unificate robuste per la previsione della frequenza cardiaca, affrontando l'eterogeneità dei dati tramite dropout casuale delle feature e apprendimento contrastivo, e validando il metodo su un nuovo dataset benchmark (PARROTAO) con risultati significativamente superiori rispetto agli stati dell'arte.
Il paper presenta EHWGesture, un nuovo dataset multimodale e sincronizzato che registra oltre 1.100 esecuzioni di cinque gesti clinici tramite sensori RGB-D, event camera e motion capture, fornendo un benchmark completo per la classificazione, il rilevamento e la valutazione della qualità delle azioni gestuali.
Il paper introduce PCPO, un framework che risolve l'instabilità nell'allineamento dei modelli di generazione immagini tramite un'assegnazione proporzionale del credito, garantendo una convergenza accelerata e una qualità delle immagini superiore rispetto agli stati dell'arte.
Questo lavoro presenta RobustVLA, un metodo che migliora la robustezza dei modelli Vision-Language-Action contro perturbazioni multi-modali attraverso l'ottimizzazione offline del rumore nelle azioni e la formulazione della robustezza come problema di bandit multi-braccio, ottenendo significativi guadagni nelle prestazioni sia in simulazione che su robot reali.