5432 articoli
Il paper presenta KnowDiffuser, un framework di pianificazione del movimento guidato dalla conoscenza che integra la capacità semantica dei modelli linguistici con la potenza generativa dei modelli di diffusione per colmare il divario tra comprensione semantica e fattibilità fisica nella guida autonoma, ottenendo risultati superiori sul benchmark nuPlan.
Il paper presenta SignSparK, un nuovo framework multilingue per la produzione di lingua dei segni che supera i limiti degli approcci attuali combinando segmentazione temporale automatizzata, apprendimento basato su fotogrammi chiave sparsi e un modello di flusso condizionato per generare avatar di firma 3D fluidi, linguisticamente accurati e fotorealistici.
Il paper introduce DiT4DiT, un modello end-to-end che combina trasformatori di diffusione per video e azioni per apprendere la dinamica fisica e le azioni robotiche, ottenendo prestazioni all'avanguardia e un'efficienza di campionamento superiore rispetto ai modelli VLA tradizionali.
Il saggio presenta "Machinagogy", un sistema di tutoraggio AI fondato su riconoscimento hegeliano e psicanalisi freudiana che, attraverso una metodologia riflessiva di "vibe scholarship" con Claude Code, dimostra come prompt potenziati dal riconoscimento migliorino significativamente le prestazioni dei tutor indipendentemente dal modello, sollevando al contempo riflessioni critiche sulle dinamiche relazionali tra studenti, insegnanti e assistenti di ricerca.
Questo articolo presenta LCAMV, un metodo innovativo per la ricostruzione 3D ad alta precisione di oggetti colorati che, correggendo l'aberrazione cromatica laterale e fondendo i dati dei canali RGB tramite un modello di rumore Poisson-Gaussian, supera i limiti delle tecniche tradizionali senza richiedere hardware aggiuntivo o acquisizioni multiple.
Il paper presenta SUBTA, un sistema di teleoperazione bimanuale assistita che combina stima delle intenzioni umane, pianificazione basata su grafi di scena e assistenza contestuale, dimostrando attraverso uno studio utente significativi miglioramenti nella precisione e nella riduzione del carico mentale rispetto alla teleoperazione standard.
Questo articolo introduce WanderBench, il primo benchmark globale per il ragionamento geolocalizzativo attivo, e GeoAoT, un framework che migliora le capacità di localizzazione globale dei modelli multimodali di grandi dimensioni combinando il ragionamento con azioni fisiche di esplorazione interattiva.
Il paper presenta MoXaRt, un sistema XR in tempo reale che utilizza un'architettura cascata audio-visiva per isolare fino a cinque fonti sonore simultanee, migliorando significativamente l'intelligibilità del parlato e riducendo il carico cognitivo in ambienti acustici complessi.
DepthCache è un framework senza addestramento che accelera l'inferenza dei modelli Vision-Language-Action riducendo la latenza attraverso la compressione guidata dalla profondità dei token visivi, preservando le prestazioni nel controllo robotico reale.
Il paper presenta CIPHER, un metodo senza addestramento che sopprime le allucinazioni visive nei modelli linguaggio-visione di grandi dimensioni proiettando gli stati nascosti intermedi lontano da un sottospazio a basso rango identificato tramite un dataset di controfattuali generati con diffusione.
Il paper propone un passaggio dalla verifica costosa al "herding" basato sulla sparsità di influenza, introducendo EZR, un apprendista stocastico che raggiunge il 90% dei risultati ottimali con soli 32 campioni evitando solutori complessi.
Il paper presenta StructDamage, un nuovo dataset su larga scala composto da oltre 78.000 immagini di nove diversi tipi di superfici, creato aggregando e armonizzando 32 dataset pubblici per migliorare la rilevazione robusta e generalizzabile di crepe e difetti strutturali tramite tecniche di deep learning.
Questo articolo propone una rete neurale auto-supervisionata basata su autoencoder per l'apprendimento spaziale dei picchi nell'imaging di spettrometria di massa, combinata con una procedura di valutazione fondata su maschere di segmentazione annotate da esperti, che supera i metodi esistenti selezionando picchi strutturalmente spaziali su diversi dataset pubblici.
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.