2775 articoli
Il paper introduce M³CAD, un benchmark completo e multimodale progettato per avanzare la ricerca sulla guida autonoma cooperativa generica, fornendo un vasto dataset, valutazioni di baseline e un nuovo approccio di fusione multi-livello che bilancia efficienza comunicativa e accuratezza percettiva.
Il paper presenta FoldNet, un framework che genera un dataset sintetico di indumenti basato su keypoints e texture realistiche, addestrando una politica di piegatura a ciclo chiuso tramite apprendimento per imitazione e il metodo KG-DAgger per migliorare la robustezza, ottenendo un tasso di successo del 75% nel mondo reale.
Il paper presenta MTVCraft, un framework innovativo che supera i limiti delle tecniche tradizionali basate su immagini 2D tokenizzando direttamente le sequenze di movimento 3D (4D) per abilitare un'animazione di personaggi arbitrari più robusta, flessibile e generalizzabile in scenari aperti.
Il paper propone un framework unificato di meta-apprendimento profondo basato su ottimizzazione srotolata che, integrando regolarizzazione non convessa e adattamento rapido, migliora significativamente la ricostruzione e la sintesi di risonanza magnetica accelerata multi-bobina e multi-modale rispetto ai metodi supervisionati tradizionali.
Il paper presenta EgoDex, il più ampio e diversificato dataset esistente di manipolazione abile umana registrato con Apple Vision Pro, che offre 829 ore di video egocentrici con annotazioni 3D delle mani per affrontare la scarsità di dati nell'apprendimento per imitazione e promuovere i progressi nella robotica e nella visione artificiale.
Il paper presenta Vid2World, un approccio generale che trasforma modelli di diffusione video pre-addestrati in modelli del mondo interattivi ad alta fedeltà, permettendo una generazione autoregressiva e un controllo efficace delle azioni attraverso la causalizzazione dell'architettura e una guida causale.
Il paper presenta un innovativo framework "solver-in-the-loop" che combina un generatore 3D pre-addestrato con un rigoroso risolutore di equazioni integrali di contorno per ricostruire interfacce complesse nella tomografia a impedenza elettrica 3D, garantendo coerenza fisica rigorosa e alta efficienza dei dati attraverso vincoli fisici rigidi e regolarizzazione basata su prior generativi.
Il paper introduce ViTaPEs, un'architettura transformer che utilizza codifiche posizionali visuo-tattili a due stadi per allineare le modalità in modo efficace, superando gli stati dell'arte in compiti di riconoscimento e generalizzazione zero-shot senza dipendere da modelli pre-addestrati.
Il paper propone un approccio di apprendimento semi-auto-supervisionato basato su GLMask, che trasforma la segmentazione semantica in quella istanziale con annotazioni minime, ottenendo risultati all'avanguardia nella segmentazione delle spighe di grano e miglioramenti significativi sul dataset COCO.
Questo studio presenta un framework di deep learning basato su una GAN con penalità di varianza che trasforma immagini istologiche H&E in immagini IHC ad alta fedeltà per la valutazione precisa dell'HER2 nel cancro al seno, superando le prestazioni dei modelli esistenti e offrendo un'alternativa economica e scalabile alla diagnostica tradizionale.
Il paper presenta LINO UniPS, un approccio unificato per la fotometria stereoscopica universale che, grazie a token di registrazione luminosa, blocchi di attenzione intercalati e un'architettura basata su wavelet, garantisce il disaccoppiamento tra illuminazione e normali preservando i dettagli geometrici ad alta frequenza, ottenendo risultati all'avanguardia su benchmark pubblici e generalizzando meglio ai materiali reali.
Questo articolo propone un nuovo framework a cascata guidato da modelli visione-linguaggio che utilizza le loro caratteristiche come prompt espliciti per il Segment Anything Model al fine di migliorare la segmentazione e, sfruttando l'output come prior spaziale morbida, la classificazione degli oggetti mimetizzati in scenari a vocabolario aperto, superando così le limitazioni delle metodologie precedenti.
Il paper presenta LD-RPS, un metodo zero-shot e unificato per il ripristino delle immagini che utilizza il campionamento ricorsivo del posteriore su un modello di diffusione latente pre-addestrato, integrato con un modello di comprensione multimodale per fornire priori semantici e un modulo leggero per l'allineamento, superando così i limiti dei metodi esistenti senza richiedere dataset di addestramento.
Il paper dimostra che adottare una dieta visiva ispirata allo sviluppo umano, che guida l'apprendimento dei modelli AI attraverso un curriculum progressivo di acuità, sensibilità al contrasto e colore, permette di ottenere sistemi di visione artificiale più robusti, resilienti e basati sulla forma, colmando il divario tra intelligenza artificiale e percezione umana.
Il paper propone QAA, un metodo di aggregazione adattiva basato su query che migliora la generalizzazione del Riconoscimento Visivo dei Luoghi (VPR) attraverso l'addestramento congiunto su più dataset, superando i limiti dei modelli attuali senza aumentare significativamente la complessità computazionale.
Il paper propone MCULoRA, un nuovo framework basato su un adattamento a basso rango decoupled e dinamico che risolve i conflitti di gradiente nell'addestramento di modelli per il riconoscimento delle emozioni con modalità incomplete, ottenendo prestazioni superiori rispetto agli approcci esistenti.
Il paper presenta Mamba Snake, un nuovo framework di deep snake basato sulla modellazione degli spazi di stato che risolve le sfide dell'segmentazione medica unificata modellando le relazioni topologiche inter-organo e affinando i contorni microscopici, ottenendo prestazioni superiori rispetto agli stati dell'arte su cinque dataset clinici.
Il paper introduce , una rete neurale feed-forward permutazionalmente equivariante che supera i limiti dei metodi basati su una vista di riferimento fissa, ottenendo prestazioni all'avanguardia nella ricostruzione geometrica visiva, nella stima della posa della camera e nella profondità senza bisogno di frame di riferimento.
Il paper presenta InsightX Agent, un innovativo framework basato su modelli multimodali di grandi dimensioni che integra strumenti di rilevamento e riflessione per fornire analisi di NDT a raggi X più affidabili, interpretabili e interattive, ottenendo un punteggio F1 del 96,54% sul dataset GDXray+.
Questo studio propone un framework di deep learning basato su Vision Transformer (ViT) che, utilizzando immagini Sentinel-2 e Formosat-5 e un approccio di apprendimento semi-supervisionato per espandere le annotazioni manuali, migliora la segmentazione delle aree colpite da disastri naturali, ottimizzando così il prodotto EVAP dell'Agenzia Spaziale Taiwanese (TASA).