10073 articoli
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.
Il paper introduce SIMPLER, un metodo efficiente che riduce i costi computazionali di adattamento dei modelli foundation per l'osservazione terrestre identificando e rimuovendo automaticamente gli strati ridondanti prima del fine-tuning, ottenendo significativi miglioramenti nella velocità di addestramento e inferenza senza compromettere le prestazioni.
Il paper introduce l'ATCG, un modulo plug-and-play che migliora la Scoperta Generalizzata di Categorie generando concetti testuali analogici dai dati etichettati per affinare la distinzione tra categorie note e nuove, specialmente in contesti di categorie fini e simili.
Il paper introduce PanORama, il primo sistema di segmentazione panottica multivista per sale operatorie che garantisce coerenza tra le viste tramite interazioni a livello di feature in un'unica passata, ottenendo prestazioni superiori e generalizzando senza necessità di calibrazione delle telecamere.
Il paper presenta ReconMIL, un nuovo framework per l'analisi delle immagini di vetrini interi che combina un modulo di ricostruzione nello spazio latente e un'architettura a doppio flusso basata su Mamba e CNN per colmare il divario di dominio e bilanciare efficacemente l'aggregazione globale e locale delle caratteristiche, superando così gli attuali metodi dello stato dell'arte.
Il paper presenta SegVGGT, un framework end-to-end unificato che esegue simultaneamente la ricostruzione 3D e la segmentazione di istanze direttamente da immagini RGB multi-vista, superando i metodi esistenti grazie all'integrazione profonda delle query di istanza e alla strategia FADA per allineare la distribuzione dell'attenzione.
Il paper presenta RAM, un sistema innovativo che combina un tracciatore semantico sensibile al movimento, un modulo HMR temporale potenziato da memoria e un predittore di pose future per ottenere una ricostruzione robusta e coerente del movimento umano 3D in scenari reali complessi, superando lo stato dell'arte in termini di stabilità di tracciamento e accuratezza.
Il paper presenta LIORNet, un framework di rimozione della neve auto-supervisionato basato su LiDAR che integra principi fisici e statistici per migliorare la percezione 3D in condizioni meteorologiche avverse senza richiedere annotazioni manuali.
Il paper propone un framework innovativo che ottimizza l'inferenza dei modelli di diffusione apprendendo maschere specifiche per ogni timestep per riutilizzare dinamicamente le caratteristiche e bypassare i blocchi ridondanti, garantendo così un significativo miglioramento dell'efficienza computazionale senza compromettere la qualità generativa.
Il paper presenta HiPath, un framework leggero di visione-linguaggio che, sfruttando backbones congelati e moduli addestrabili specifici, supera gli approcci esistenti nella generazione di rapporti di patologia strutturati e multi-granulari, ottenendo elevate prestazioni di accuratezza e sicurezza su un vasto dataset clinico reale.