10077 articoli
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.
Il paper presenta X-World, un modello generativo del mondo basato su video multi-camera controllabile da azioni e prompt testuali, progettato per simulare scenari di guida realistici e coerenti al fine di abilitare valutazioni scalabili e riproducibili per i sistemi di guida autonoma end-to-end.
Il paper introduce MedSPOT, un nuovo benchmark che valuta la capacità dei modelli linguistici multimodali di eseguire il grounding visivo sequenziale e consapevole dei flussi di lavoro all'interno di interfacce grafiche cliniche complesse, superando i limiti delle valutazioni tradizionali basate su singoli passaggi.
Questo studio presenta la prima valutazione dei metodi di adattamento al tempo di test (TTA) per il riconoscimento delle espressioni facciali sotto spostamenti di distribuzione naturali, dimostrando che l'efficacia dell'adattamento dipende dalla distanza distribuzionale e dalla gravità dello spostamento, con diversi approcci che eccellono a seconda della pulizia o del rumore del dominio target.
Il paper presenta NEC-Diff, un nuovo framework di imaging ibrido basato su diffusione che combina immagini RAW e eventi per ricostruire scene dinamiche in condizioni di luce estremamente scarsa, superando le limitazioni del rumore e della perdita di texture grazie a vincoli fisici e fusione adattiva delle caratteristiche, supportato dal nuovo dataset REAL.
Il documento presenta CFCML, un nuovo framework di apprendimento crossmodale a fasi grossolane e fini che riduce il divario tra immagini mediche e dati tabulari per migliorare la diagnosi delle malattie, ottenendo risultati superiori rispetto agli stati dell'arte sui dataset MEN e Derm7pt.
Il paper propone Detached Skip-Links e -Probe per migliorare le prestazioni OCR dei modelli multimodali su larga scala disaccoppiando l'aggregazione delle caratteristiche dalla propagazione del gradiente, riducendo così le interferenze che destabilizzano l'addestramento e preservando i dettagli visivi fini.