2403 articoli
SemPix3D propone un framework ibrido che combina un Neural Radiance Field per la generazione di mappe di etichette 3D-aware e un generatore basato su StyleGAN per sintetizzare immagini RGB multi-vista di alta qualità e coerenti, ottenendo miglioramenti significativi nei punteggi di diversità e FID rispetto ai metodi esistenti.
Questo articolo propone un modello YOLOv8n migliorato e leggero per il rilevamento di incendi boschivi tramite UAV che integra la convoluzione dinamica, una testa di rilevamento multi-consapevole e l'attenzione cross-spaziale per migliorare significativamente l'accuratezza dei piccoli bersagli e ridurre i falsi allarmi, mantenendo al contempo una dimensione compatta adatta all'impiego in tempo reale a bordo.
Il documento propone SCEESR, un nuovo framework di super-risoluzione basato sulla diffusione in un unico passaggio che utilizza un meccanismo ControlNet per la guida semantica dei bordi e una funzione di perdita ibrida per bilanciare efficacemente l'integrità strutturale, la qualità percettiva e la velocità di inferenza nel restauro di immagini reali.
Questo articolo propone FMA-DETR, un framework Transformer adattivo che integra una Rete di Raffinamento delle Caratteristiche, un modulo di Attenzione Mista Spaziale-Canale Multi-scala e un modulo di Fusione Adattiva Sensibile alla Frequenza per superare efficacemente il rumore speckle e la complessità dello sfondo per il rilevamento denso e ad alta precisione di piccoli bersagli nelle immagini SAR.
Questo studio valuta la capacità di vari modelli linguistici di grandi dimensioni di comprendere gli atti linguistici indiretti coreani attraverso la costruzione di un dataset specializzato e l'impiego di valutazioni sia automatizzate che umane, rivelando che, sebbene i modelli proprietari come Claude3-Opus superino le alternative open-source, nessuno raggiunge ancora la competenza del livello umano nell'interpretare le intenzioni dipendenti dal contesto.
Il documento propone EGDIS, un metodo di steganografia per immagini di documenti guidato dai bordi che utilizza un algoritmo Canny adattivo e una rete di fusione cross-attention basata su Transformer per integrare le caratteristiche dei bordi con le immagini grezze e i messaggi segreti, ottenendo così prestazioni di embedding e qualità visiva superiori su dataset standard.
Questo articolo propone un metodo di decisione per l'evitamento autonomo delle collisioni per i Veicoli Superficiali Non Umani (USV) che integra la percezione visiva UAV con un algoritmo Dueling Double Deep Q-Network potenziato da Prioritized Experience Replay (PD3QN) e una funzione di ricompensa conforme ai COLREGs per ottenere una navigazione sicura, efficiente e adattabile.
Questo articolo presenta un framework computazionale interpretabile che sfrutta dati tattili multisensoriali, in particolare segnali termici e di compliance derivanti da interazioni di pressione, statiche e di scivolamento, per modellare efficacemente la percezione umana dei materiali e migliorare il riconoscimento tattile robotico.
Questo articolo presenta un dataset bulgaro annotato manualmente per valutare il rilevamento dei pregiudizi, rivelando un alto grado di accordo tra gli annotatori umani ma una significativa divergenza tra umani e modelli linguistici di grandi dimensioni, dimostrando al contempo che l'uso di prompt in lingua bulgara migliora l'allineamento del modello con i giudizi umani.
Questo articolo propone un modello basato su Informer migliorato, che incorpora un algoritmo di denoising dinamico basato sulla deviazione standard e un meccanismo di campionamento adattivo consapevole della volatilità per migliorare l'accuratezza e la stabilità delle previsioni dei costi aziendali, dimostrando prestazioni superiori rispetto ai metodi esistenti sia su dataset aziendali che su dataset di riferimento.