5397 articoli
Il paper presenta IMTBench, un nuovo benchmark di 2.500 campioni che valuta la traduzione automatica end-to-end di testo nelle immagini attraverso scenari reali e metriche multimodali, rivelando significative lacune nelle prestazioni attuali dei modelli.
Questo studio integra il settore del calcolo AI nel modello GCAM per dimostrare che la futura domanda elettrica dell'AI negli Stati Uniti non seguirà una crescita lineare, ma dipenderà criticamente dal bilanciamento tra i progressi nell'efficienza energetica e la crescita del reddito, suggerendo che i meccanismi basati sui prezzi hanno un impatto limitato rispetto alle dinamiche economiche.
Il paper propone un nuovo metodo di flusso autoregressivo con vincoli mal condizionati che scompone il ripristino di immagini UHD in un processo progressivo da grossolano a fine, utilizzando il Flow Matching e una regolarizzazione numerica per bilanciare il recupero di dettagli fini e l'efficienza computazionale.
Il paper propone un framework di disaccoppiamento semantico guidato visivamente che, allineando i prior visivi con i testi clinici e utilizzando un modulo di fusione ibrida in un Diffusion Transformer, supera le limitazioni dei modelli generativi attuali per produrre immagini mediche di alta qualità con un controllo fine-granulare della struttura anatomica.
Il paper propone STEPH, un nuovo metodo che utilizza mixup di vettori di task sparsi e iperreti per trasferire efficientemente conoscenze prognostiche tra diversi tipi di cancro nelle immagini whole-slide, migliorando le prestazioni senza richiedere addestramenti congiunti su larga scala o inferenze multiple.
Il paper presenta BinWalker, un sistema robotico quadrupede con braccio manipolatore progettato per la raccolta autonoma di rifiuti in ambienti esterni difficili, dimostrando attraverso valutazioni sul campo la fattibilità di integrare locomozione, percezione e manipolazione per supportare operazioni di pulizia su larga scala.
Questo studio analizza l'uso raro ma significativo dei grafici in scala tipografica nei documenti scientifici attraverso un corpus di oltre 126.000 articoli, proponendo un framework che ne descrive posizione, funzione comunicativa e rappresentazione visiva per migliorare la comunicazione accademica.
Questo articolo presenta un sistema di pelle elettronica (e-skin) basato su eventi che integra un array tattile piezoresistivo con una strategia di scansione binaria dinamica e una rete neurale a impulsi (SNN) su FPGA, ottenendo un'elaborazione ad alta efficienza energetica e un'accuratezza del 92,11% nel riconoscimento di cifre scritte a mano in tempo reale.
DSFlash è un modello a bassa latenza per la generazione di grafi di scena panottici che, pur garantendo prestazioni all'avanguardia e una ricca informazione contestuale, raggiunge un'elaborazione in tempo reale di 56 fps ed è addestrabile con risorse computazionali limitate, rendendolo ideale per dispositivi edge e ricercatori con budget ridotti.
Questo articolo presenta la quantizzazione K-Means a soppressione dei bordi (BS-KMQ), un nuovo metodo di quantizzazione non lineare che riduce i requisiti di risoluzione degli ADC e migliora l'efficienza energetica e le prestazioni nei sistemi di calcolo in memoria, ottenendo significativi guadagni di velocità ed energia rispetto alle tecniche esistenti.
Il lavoro presenta P-GSVC, un nuovo framework di splatting gaussiano 2D progressivo e stratificato che offre una soluzione unificata per la rappresentazione scalabile di immagini e video, ottenendo miglioramenti significativi nella qualità della ricostruzione grazie a una strategia di addestramento congiunto delle layer.
Il paper presenta CD-Raft, un protocollo Raft ottimizzato per ridurre la latenza del consenso nei siti cross-dominio attraverso la minimizzazione del RTT e il posizionamento strategico del leader, garantendo la coerenza forte e dimostrando sperimentalmente una significativa riduzione della latenza rispetto all'implementazione classica.
Il paper presenta FP-Predictor, un modello basato su Graph Convolutional Network che utilizza i Code Property Graphs per prevedere con alta accuratezza i falsi positivi negli report di analisi statica della sicurezza, dimostrando una forte capacità di ragionamento orientato alla sicurezza pur presentando limitazioni nella rappresentazione del flusso di controllo interprocedurale.
Il paper introduce PET-F2I-41K, un ampio benchmark basato su 41.000 report reali, e PET-F2I-7B, un modello efficiente ottimizzato per la generazione di impressioni diagnostiche da immagini PET/CT, dimostrando che il fine-tuning specifico supera le prestazioni dei modelli generici e medici in zero-shot grazie a metriche cliniche innovative.
Il paper presenta TacLoc, un nuovo framework per la localizzazione tattile che formula il problema come registrazione di nuvole di punti one-shot, utilizzando un metodo basato su grafi e senza richiedere dati renderizzati o modelli pre-addestrati per ottenere una stima della posa precisa ed efficiente.
Il paper presenta UniStitch, un framework innovativo che unifica le caratteristiche geometriche tradizionali e quelle semantiche apprese tramite reti neurali, utilizzando un Neural Point Transformer e un Adaptive Mixture of Experts per superare le limitazioni dei metodi esistenti e ottenere prestazioni superiori nella creazione di panorami.
Questo lavoro propone un'architettura di controllo stratificata e basata su certificati per POMDP critici per la sicurezza, che disaccoppia la ricerca dell'obiettivo, la raccolta di informazioni e la sicurezza in componenti modulari utilizzando funzioni di Lyapunov e barriera nello spazio delle credenze per garantire prestazioni in tempo reale e garanzie probabilistiche di sicurezza.
Il paper propone R4-CGQA, un framework basato sul recupero di informazioni che potenzia i modelli Vision Language Model per la valutazione della qualità delle immagini di computer grafica, affrontando la carenza di dataset descrittivi e migliorando la capacità di fornire spiegazioni testuali accurate attraverso l'analisi di sei dimensioni percettive chiave.
Il paper presenta LIDA, un framework model-agnostic che affronta l'attribuzione delle immagini generate dall'AI formulandola come problema di recupero di istanze e ottenendo prestazioni all'avanguardia in scenari zero-shot e few-shot.
Il paper presenta Marigold-SSD, un framework di completamento della profondità in zero-shot che utilizza un processo di diffusione a singolo passo per ottenere un'inferenza rapida ed efficiente, spostando il carico computazionale dal tempo di test al fine-tuning e garantendo prestazioni robuste su diversi benchmark senza necessità di ottimizzazione durante l'inferenza.