10070 articoli
Il paper presenta HINGE, un nuovo metodo che adatta un modello fondazionale pre-addestrato su dati di singola cella per generare l'espressione genica spaziale a partire da immagini istologiche, superando le limitazioni degli approcci esistenti preservando le dipendenze biologiche tra i geni.
Il paper presenta FlashCap, il primo sistema di cattura del movimento basato su LED lampeggianti e visione event-driven, che introduce il dataset ad alta risoluzione temporale FlashMotion e il modello ResPose per ottenere una precisione di temporizzazione millimetrica e ridurre gli errori di stima della posa umana del 40%.
Questo articolo presenta un metodo di rilevamento degli oggetti basato su modelli fondazionali e classificazione delle caratteristiche che, eliminando la necessità di addestramento e dataset, raggiunge prestazioni paragonabili a tecniche come YOLO per il testing automatico delle interfacce utente nell'industria automobilistica.
Il paper presenta ReManNet, una rete neurale che risolve l'ambiguità di profondità nella rilevazione di corsie 3D da singola immagine assumendo che la strada sia una varietà riemanniana liscia, codificando la geometria tramite descrittori gaussiani riemanniani e introducendo una nuova funzione di perdita 3D-TLIoU per ottenere risultati all'avanguardia su benchmark come OpenLane.
Il paper propone TATAR, un framework unificato che risolve le discrepanze di ragionamento e ottimizzazione tra la valutazione della qualità e quella estetica delle immagini adattando dinamicamente la costruzione del ragionamento e le funzioni di ricompensa in base al compito specifico all'interno di un unico modello multimodale.
Il paper propone DeSC, un nuovo framework per il rilevamento di anomalie video debolmente supervisionato che supera il compromesso tra sensibilità e stabilità decoupling due stream di ottimizzazione specializzati, ottenendo così prestazioni all'avanguardia sui dataset UCF-Crime e XD-Violence.
Il paper presenta HOP3D, un framework unificato che apprende prototipi gerarchici ortogonali con un regolarizzatore basato sull'entropia per affrontare il compromesso stabilità-plasticità nella segmentazione di nuvole di punti 3D con pochi esempi, ottenendo prestazioni superiori rispetto agli stati dell'arte su ScanNet200 e ScanNet++.
Il paper propone un controllore di rischio geometrico per modelli visione-linguaggio congelati che, trasformando l'OCR generativo in un problema di selezione tra accettazione e astensione basato sul consenso tra diverse visualizzazioni strutturate, riduce significativamente errori catastrofici e sovrapposizioni non supportate garantendo una maggiore affidabilità operativa.
Il paper propone un framework modulare e plug-and-play per la generazione di movimento da testo che consente un editing localizzato e intuitivo delle parti del corpo tramite un'interfaccia di fase scalare, garantendo al contempo la coerenza globale del movimento.
Questo studio presenta un approccio automatizzato basato su dati Sentinel-1 e deep learning per monitorare la dinamica spaziale e temporale delle piattaforme petrolifere e gas offshore nel Mar del Nord, nel Golfo del Messico e nel Golfo Persico dal 2017 al 2025, rivelando tendenze di espansione, declino e una crescente transizione verso unità mobili.