1913 articoli
SIGMAE è un modello fondazionale per il telerilevamento multispettrale che migliora l'apprendimento delle rappresentazioni spaziali e spettrali integrando indici spettrali di dominio in una strategia di mascheramento dinamico dei token guidata dalla salienza semantica, superando le prestazioni dei modelli preesistenti su diverse attività di classificazione e rilevamento.
Il paper propone MonoSTL, un approccio di apprendimento selettivo che risolve il problema del trasferimento negativo nella distillazione cross-modale per la rilevazione 3D da singola immagine, integrando l'incertezza di profondità per selezionare efficacemente le caratteristiche e le relazioni positive da LiDAR e ottenendo così le migliori prestazioni rispetto agli stati dell'arte su KITTI e NuScenes.
Questo lavoro presenta ThingiPrint, un nuovo dataset che associa modelli CAD a fotografie di oggetti stampati in 3D, e dimostra che un approccio di classificazione basato su prototipi con fine-tuning contrastivo permette di identificare nuovi oggetti senza necessità di riaddestramento, migliorando l'automazione nei flussi di lavoro post-produzione.
Il paper presenta FedEU, un framework di ottimizzazione federata che guida il fine-tuning di modelli foundation per la segmentazione di immagini remote tramite incertezza evidenziale e adattamenti specifici per il client, migliorando così l'affidabilità e la robustezza in ambienti con dati eterogenei.
Il paper presenta EVLF, un metodo plug-and-play per la distillazione di dataset generativa che risolve il problema della dominanza testuale nei metodi basati su diffusione fondendo precocemente le rappresentazioni visive e linguistiche, ottenendo così dati sintetici più fedeli e accurati.
Il paper propone una rete di decoupling e recoupling multimodale che separa le caratteristiche BEV in parti invarianti e specifiche per migliorare la rilevazione 3D robusta in presenza di corruzioni dei dati, superando le prestazioni degli stati dell'arte su benchmark nuScenes corrotti e puliti.
Il paper introduce RobustSCI, il primo approccio che sposta l'obiettivo della compressione imaging a scatto (SCI) video dalla semplice ricostruzione alla restaurazione, permettendo di recuperare scene originali da misurazioni degradate da motion blur e scarsa illuminazione grazie a un nuovo blocco di rete e a un benchmark realistico.
Il paper propone RayD3D, un metodo di distillazione della conoscenza che trasferisce informazioni sulla profondità lungo i raggi ottici per migliorare la robustezza e l'accuratezza della rilevazione 3D multi-vista in scenari reali, riducendo l'influenza di dati irrilevanti come la densità del LiDAR.
Il paper presenta DocCogito, un framework unificato che allinea la percezione globale del layout con un ragionamento strutturato e ancorato alle regioni visive, ottenendo risultati all'avanguardia su diversi benchmark di comprensione documentale.
Il paper presenta AMR-CCR, un framework di recupero modulare ancorato progettato per il riconoscimento continuo dei caratteri cinesi antichi, che affronta le sfide dell'incremento delle classi e della diversità stilistica attraverso un'architettura di corrispondenza a dizionario e un nuovo benchmark chiamato EvoCON.
Questo lavoro propone un framework di diffusione latente basato su scheletri che, sfruttando un nuovo dataset medico su larga scala chiamato MedSDF, genera forme anatomiche ad alta fedeltà con maggiore efficienza computazionale rispetto alle tecniche esistenti.
Questo articolo stabilisce un legame preciso tra i modelli di "drifting" e quelli basati sul punteggio (score-based), dimostrando che il campo di spostamento medio con kernel Gaussiano coincide con la differenza dei punteggi su distribuzioni smussate e fornendo una decomposizione esatta e limiti di errore per kernel radiali generali, incluso il kernel Laplace.
Il paper presenta EvolveReason, un paradigma di ragionamento auto-evolutivo che combina un dataset a catena di pensiero, la cattura di cue di falsificazione nello spazio latente e una strategia di esplorazione basata sul reinforcement learning per migliorare l'identificazione e la spiegazione delle immagini facciali deepfake riducendo le allucinazioni dei modelli.
Il lavoro presenta SketchGraphNet, un'architettura ibrida memory-efficient per il riconoscimento di schizzi su larga scala che modella direttamente i disegni a mano libera come grafi strutturati, ottenendo prestazioni elevate sul nuovo benchmark SketchGraph composto da 3,44 milioni di campioni.
Il paper presenta ACCURATE, un framework di ricostruzione 3D che combina una rete neurale di segmentazione con un algoritmo di ottimizzazione geometrica per ricostruire con alta precisione corpi continui deformabili di forma arbitraria, come cateteri e guidewire, garantendo coerenza biplanare e robustezza alle occlusioni.
Questo articolo propone un approccio geometrico-semantico che risolve il problema dell'ambiguità di scala nella geolocalizzazione incrociata tra immagini UAV e satellitari, recuperando la scala metrica assoluta tramite l'uso di veicoli come ancoraggi semantic e un modello di proiezione stereoscopica disaccoppiato per migliorare l'allineamento delle caratteristiche e la robustezza del sistema.
Il paper introduce UniLongGen, una strategia di inferenza senza addestramento che risolve il collasso della qualità nella generazione di immagini intercalate a lungo termine curando dinamicamente la memoria del modello per eliminare i segnali visivi interferenti, garantendo così stabilità e coerenza nelle narrazioni estese.
Il paper presenta CONSTANT, un nuovo metodo basato su modelli di diffusione che utilizza l'enhancement contrastivo a patch e la quantizzazione consapevole dello stile per generare immagini di scrittura a mano di alta qualità partendo da un'unica immagine di riferimento, superando le limitazioni delle tecniche attuali nella cattura delle caratteristiche stilistiche complesse.
Il paper presenta DreamSAC, un framework che combina un'espansione esplorativa basata sulla simmetria e un modello del mondo hamiltoniano per apprendere leggi fisiche invarianti, permettendo così un'eccezionale generalizzazione estrattiva in simulazioni fisiche 3D.
Il paper presenta ReconDrive, un framework feed-forward che estende il modello fondazionale VGGT per generare rapidamente rappresentazioni 4D Gaussian Splatting ad alta fedeltà di scene di guida autonome, superando i limiti di scalabilità dei metodi iterativi e la qualità ridotta degli approcci feed-forward esistenti.