3204 articoli
Questo articolo presenta CourtSI, il primo dataset su larga scala e il relativo benchmark per valutare l'intelligenza spaziale dei modelli visione-linguaggio negli sport di rete, dimostrando come l'addestramento su questo nuovo corpus colmi il divario prestazionale tra AI e umani e migliori la capacità di ragionamento spaziale e generazione di commenti.
Il paper presenta WikiCLIP, un framework contrastivo efficiente che supera i metodi generativi per il riconoscimento di entità visive in dominio aperto, ottenendo prestazioni superiori su benchmark come OVEN e riducendo la latenza di inferenza di circa 100 volte grazie all'uso di embedding di modelli linguistici potenziati da un adattatore guidato dalla visione e da una sintesi di negativi difficili.
Questo paper dimostra che la distanza di Chamfer fallisce strutturalmente nell'ottimizzazione di forme 3D a causa di un collasso indotto dal gradiente che può essere risolto solo introducendo un accoppiamento non locale, come illustrato attraverso deformazioni a base condivisa e un prior MPM differenziabile.
Il paper propone un metodo interpretabile per il recupero fine-granularità di movimenti 3D tramite immagini di angoli articolari e un'interazione tardiva token-patch, superando i limiti dei metodi basati su embedding globali e ottenendo risultati superiori su HumanML3D e KIT-ML.
Il paper presenta ACADiff, un framework basato su diffusione latente adattiva e consapevole dei dati clinici che sintetizza con successo le modalità di neuroimaging cerebrali mancanti (come sMRI, FDG-PET e AV45-PET) per migliorare la diagnosi dell'Alzheimer, ottenendo prestazioni superiori rispetto ai metodi esistenti anche in scenari con fino all'80% di dati mancanti.
Il paper propone un nuovo framework di adattamento di dominio non supervisionato basato sulla discrepanza del margine di disparità (MDD) per migliorare la segmentazione del fegato nelle immagini CBCT interventistiche, sfruttando dati CT annotati e dati CBCT non annotati proprietari per colmare il divario tra le due modalità di imaging.
Il paper presenta k-MTR, un framework di apprendimento rappresentazionale che bypassa la ricostruzione delle immagini per eseguire direttamente analisi cardiache multi-task (come classificazione, regressione e segmentazione) dai dati k-space sottocampionati, allineandoli a uno spazio latente semantico condiviso con le immagini complete.
Questo articolo introduce il concetto di "difficoltà della vetrina intera" (WSD), basato sul disaccordo tra patologi esperti e non esperti, e dimostra che integrare questa metrica nell'addestramento di modelli di Multiple Instance Learning migliora significativamente la precisione nella classificazione del cancro alla prostata, in particolare per i gradi Gleason più elevati.
Il paper propone C2FMAE, un autoencoder mascherato a flusso da grossolano a fine che risolve le limitazioni dei metodi di pre-addestramento visivo auto-supervisionato apprendendo rappresentazioni visive gerarchiche attraverso una decodifica a cascata e un curriculum di mascheramento progressivo su tre livelli di granularità (semantico, istanza e pixel).
Il paper presenta BEACON, un metodo che supera i limiti delle tecniche di navigazione basate su immagini prevedendo mappe di affordanza in vista dall'alto (BEV) per identificare target nascosti da ostacoli, ottenendo un miglioramento significativo rispetto allo stato dell'arte grazie alla fusione di cue spaziali e modelli visione-linguaggio.
Il paper presenta ReCoSplat, un modello autoregressivo di Gaussian Splatting che risolve il problema della sintesi di nuove viste online utilizzando un modulo "Render-and-Compare" per compensare gli errori di posa e una strategia di compressione della cache KV per gestire sequenze lunghe, ottenendo prestazioni state-of-the-art su diversi benchmark.
Questo paper introduce il modello Bag-of-Words Superposition (BOWS) per dimostrare che, nei dati reali, le correlazioni tra le caratteristiche permettono agli interferenze nella sovrapposizione di essere costruttive anziché solo rumorose, generando così strutture semantiche e cicliche che spiegano meglio il comportamento dei modelli linguistici reali rispetto alle teorie basate su caratteristiche non correlate.
Questo articolo presenta , un approccio di progettazione ottica basato sull'apprendimento automatico che, attraverso la microscopia differenziabile, supera i metodi tradizionali per la ricostruzione di fase ottica, dimostrando la propria superiorità su diversi dataset biologici e convalidando sperimentalmente un design appreso.
Il paper propone un metodo di adattamento di dominio per target ibridi che, superando la dipendenza dalle etichette di dominio, allinea reciprocamente le distribuzioni condizionali delle classi e degli stili attraverso un discriminatore guidato dall'incertezza e l'augmentazione delle feature, ottenendo prestazioni superiori allo stato dell'arte specialmente in presenza di spostamento della distribuzione delle etichette.
Il paper introduce altiro3D, una libreria gratuita che genera esperienze 3D realistiche e sintesi di nuove viste partendo da una singola immagine RGB o video piatto, utilizzando tecniche di stima della profondità, inpainting e proiezione geometrica per creare contenuti visualizzabili su display LCD a visione libera.
Il paper presenta PD-REAL, un nuovo dataset su larga scala per la rilevazione di anomalie in 3D basato su modelli Play-Doh, e propone un innovativo framework di distillazione multiscala teacher-student che sfrutta informazioni RGB-D per superare i limiti degli approcci tradizionali e migliorare l'accuratezza della rilevazione.
Il paper propone il CA-Jaccard, una nuova metrica di distanza per il re-identificazione delle persone che migliora l'affidabilità del Jaccard distance tradizionale integrando informazioni specifiche della telecamera attraverso vicini reciproci k-aware e un'espansione della query locale per mitigare l'impatto negativo delle variazioni tra telecamere.
Il paper introduce DivCon, un approccio "dividi e conquista" che migliora il ragionamento numerico e spaziale nella generazione di immagini da testo suddividendo il processo in sottocompiti gestibili, permettendo anche a modelli linguistici leggeri di ottenere risultati superiori rispetto ai metodi precedenti su benchmark complessi.
Questa rassegna offre una panoramica completa e un benchmark delle tecnologie all'avanguardia per la generazione e il rilevamento dei deepfake, coprendo definizioni, dataset, metriche e le principali sottocategorie come lo scambio e la ricreazione facciale, l'editing degli attributi e la rilevazione di falsificazioni.
Gli autori propongono tre nuovi set di test ad alta qualità, denominati Hadrian, Eclipse e ND-Twins, per valutare le debolezze degli algoritmi di riconoscimento facciale su variazioni di attributi e somiglianze tra individui, superando la necessità di degradare artificialmente le immagini per aumentare la difficoltà di valutazione.