1886 articoli
Il paper presenta PDD, un nuovo framework per la rilevazione di anomalie nelle immagini mediche che unifica le conoscenze di due insegnanti diversi in un manifold condiviso e le distilla in studenti complementari, ottenendo prestazioni state-of-the-art su diversi dataset medici.
Il paper presenta CanoVerse, un vasto dataset canonico di 320.000 oggetti 3D e un nuovo framework di canonizzazione ad alta efficienza che risolve l'ambiguità rotazionale per migliorare la generazione 3D, il recupero di forme e la stima dell'orientamento.
Il paper presenta LiveWorld, un nuovo framework che risolve il problema della dinamica "fuori vista" nei modelli di mondo video generativi introducendo uno stato globale persistente e un meccanismo di monitoraggio che permette agli oggetti di evolvere anche quando non sono osservati, garantendo così una coerenza temporale e spaziale a lungo termine.
Il paper propone PromptGate, un framework federato adattivo che utilizza prompt VLM dinamici per filtrare efficacemente i dati fuori distribuzione e ottimizzare l'apprendimento attivo in contesti medici aperti, preservando la privacy dei pazienti e massimizzando l'efficienza delle risorse di annotazione.
Il paper propone ACD-U, un framework di apprendimento asimmetrico che combina co-teaching con architetture eterogenee (CLIP-ViT e CNN) e tecniche di machine unlearning per correggere attivamente gli errori di selezione e migliorare la robustezza nell'addestramento con etichette rumorose.
Questo studio valuta l'efficacia delle visualizzazioni di classe e delle mappe di attivazione per migliorare l'interpretabilità dei modelli transformer nella patologia computazionale, rivelando che tali tecniche riflettono fedelmente la complessità intrinseca dei tessuti e delle sottoclassi tumorali, sebbene l'accordo tra esperti diminuisca con l'aumentare della granularità delle etichette.
Il paper presenta FreeFly-Thinking, un framework end-to-end che allinea il ragionamento a catena di pensiero con la navigazione continua dei droni in ambienti urbani complessi, superando le limitazioni dei modelli attuali attraverso un nuovo dataset e una strategia di addestramento in due fasi.
Il paper presenta FastSTAR, un framework di accelerazione senza addestramento che utilizza la potatura dei token spaziotemporali per ridurre significativamente il costo computazionale nella generazione autoregressiva di video mantenendo alta qualità.
Il paper propone SPCP, un metodo che migliora il rilevamento di dati fuori distribuzione (OOD) incoraggiando i classificatori a basarsi su pattern di contributo dei parametri più densi e orientati ai confini, riducendo così la sovrastima della confidenza tipica dei modelli profondi.
Il paper presenta VINO, un framework di apprendimento auto-supervisionato che, sfruttando un collo di bottiglia strutturale e una distillazione asimmetrica su video densi, disaccoppia efficacemente gli oggetti dallo sfondo per ottenere rappresentazioni robuste e incentrate sulla forma, superando le prestazioni dei metodi precedenti.
Il paper presenta LightMedSeg, un'architettura di segmentazione medica 3D leggera e modulare che, integrando priors anatomici e meccanismi di routing adattivo, raggiunge prestazioni competitive con i modelli transformer pur richiedendo parametri e risorse computazionali drasticamente inferiori.
Il paper introduce BATDiff, un modello di diffusione non supervisionato che utilizza una trasformata wavelet bivariate a trous per fornire una guida strutturata cross-scala, migliorando la coerenza delle alte frequenze e riducendo gli artefatti nella super-risoluzione di immagini singole.
Il paper presenta HY-WU, un framework di adattamento basato sulla memoria funzionale che supera i limiti dell'aggiornamento statico dei pesi generando operatori neurali specifici per ogni istanza, permettendo così un apprendimento continuo e una personalizzazione immediata senza sovrascrivere le conoscenze pregresse.
Il paper presenta FabricGen, un framework end-to-end che genera tessuti intrecciati realistici a partire da descrizioni testuali decomponendo il processo nella sintesi di texture macroscopiche tramite modelli di diffusione e di geometrie microscopiche dei fili controllate da un modello linguistico specializzato (WeavingLLM) per rispettare le regole dell'intreccio.
Il paper presenta PresentBench, un benchmark basato su rubriche di valutazione dettagliate per la generazione automatica di slide, che supera i limiti delle valutazioni esistenti offrendo risultati più affidabili e allineati alle preferenze umane, rivelando inoltre le superiori prestazioni di NotebookLM rispetto ad altri metodi.
Il paper propone LEPA, un'architettura predittiva che risolve le discrepanze geometriche nei modelli fondazionali geospaziali apprendendo l'equivarianza per prevedere direttamente le embedding trasformate, superando l'affidabilità dell'interpolazione standard e migliorando significativamente le metriche di recupero.
Il paper presenta le Variational Flow Maps, un framework che risolve il problema della generazione condizionata in un singolo passo per i modelli di flusso, trasformando la condizione da una guida del percorso di campionamento all'apprendimento di un adattatore di rumore iniziale che garantisce la coerenza con le osservazioni e le distribuzioni dei dati.
Questo lavoro introduce BD-VITON, un nuovo dataset di abbigliamento tradizionale bengalese che affronta le sfide strutturali di indumenti come sari e panjabi, e valuta le prestazioni di modelli di prova virtuale rispetto ai benchmark esistenti dominati dall'abbigliamento occidentale.
Il paper presenta MAviS, un assistente conversazionale multimodale specializzato in specie aviarie che, grazie al nuovo dataset MAviS-Dataset e al benchmark MAviS-Bench, supera le prestazioni degli attuali modelli open-source nel riconoscimento, nella descrizione e nel ragionamento su uccelli integrando audio, visione e testo.
Questo articolo propone un metodo di addestramento che combina l'addestramento avversariale con un blocco di smoothing delle mappe di caratteristiche per generare mappe di salienza più stabili, sparse e affidabili, migliorando sia la stabilità tecnica che la percezione umana della fiducia rispetto alle tecniche esistenti.