10072 articoli
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.
Questo studio valuta l'efficacia dei modelli fondazionali di visione (come SAM, DINOv3 e varianti specifiche per il dominio) nel migliorare la classificazione a livello di pixel e di oggetti nelle immagini microscopiche, dimostrando che il loro utilizzo supera i metodi tradizionali basati su caratteristiche manuali e stabilendo un nuovo benchmark per il settore.
Il paper presenta SeGroS, un framework di fine-tuning che migliora l'allineamento e la fedeltà di generazione nei Modelli Multimodali Unificati mediante l'uso di mappe di grounding visivo per creare segnali di supervisione complementari che risolvono le discrepanze di granularità e la ridondanza.
Il paper presenta HUGE-Bench, un nuovo benchmark basato su scene digitali twin e metriche di sicurezza progettato per valutare la capacità degli agenti UAV di interpretare comandi linguistici concisi ed eseguire traiettorie complesse e sicure, evidenziando le attuali lacune nei modelli stato dell'arte.
Il paper propone "Fourier Splatting", un metodo innovativo che utilizza primitive planari codificate tramite serie di Fourier per rendere le radiance fields scalabili e adattabili a diversi livelli di dettaglio tramite la semplice troncatura dei coefficienti, ottenendo al contempo qualità di rendering all'avanguardia e un'ottimizzazione stabile grazie alla strategia di densificazione HYDRA.
Questo articolo propone un quadro metodologico per identificare e misurare i modi di fallimento nella mappatura online basata sul deep learning, introducendo metriche specifiche per distinguere tra memorizzazione delle caratteristiche e sovradattamento alle geometrie, al fine di ottimizzare la progettazione dei dataset e migliorare la generalizzazione dei modelli per la guida autonoma.
Il paper presenta FoleyDirector, un nuovo framework basato su DiT che utilizza script temporali strutturati e una sintesi audio bi-frame per garantire un controllo temporale fine e preciso nella generazione audio da video, risolvendo le limitazioni delle metodologie attuali in scenari complessi e multi-evento.
Il paper presenta IsoCLIP, un metodo senza addestramento che migliora le prestazioni intra-modali dei modelli CLIP decomponendo i loro proiettori per rimuovere le direzioni anisotrope e preservare lo spazio allineato isotropo, riducendo così la latenza e superando gli approcci esistenti.
Il paper presenta MedQ-Engine, un motore di dati a ciclo chiuso che, attraverso un processo iterativo di clustering, annotazione guidata dall'entropia e affinamento, permette a un modello linguistico multimodale di 8 miliardi di parametri di superare GPT-4o e ridurre il divario con gli esperti umani nella valutazione della qualità delle immagini mediche utilizzando solo 10.000 annotazioni.