6098 articoli
Questo studio presenta un'analisi completa e comparativa di diversi metodi di imaging non in linea di vista (NLOS) basati sul tempo di volo, unificandone la formulazione teorica e l'hardware per valutarne le prestazioni, le limitazioni e le somiglianze in condizioni sperimentali controllate.
Il paper propone MASSE, uno schema di crittografia ricercabile simmetrica (SSE) dinamico e multi-cliente che integra il controllo degli accessi basato sugli attributi per garantire ricerche sicure e granulari su dati cifrati nel cloud, consentendo aggiornamenti e revoca senza ri-crittografare il database.
Il paper presenta GeoSolver, un nuovo framework che migliora il ragionamento passo-passo nei modelli visione-linguaggio per il telerilevamento attraverso un dataset di supervisione processuale su larga scala, un modello di ricompensa granulare e un algoritmo di apprendimento per rinforzo, ottenendo prestazioni all'avanguardia e una scalabilità durante il test-time.
Lo studio dimostra che, in scenari di foraggiamento per sciami robotici con un budget di valutazione limitato, l'ottimizzazione evolutiva di comportamenti generalisti supera quella di controller specializzati, i quali falliscono nella cooperazione e risultano meno efficienti.
Questo articolo propone un metodo di ottimizzazione della traiettoria per la manipolazione di oggetti planari trainati da cavi che integra implicitamente i vincoli di tensione e sfrutta l'avvolgimento autonomo del cavo attorno ai bordi dell'oggetto per modificare dinamicamente il canale di trasmissione delle forze.
Questo lavoro fa un passo verso la risoluzione della congettura sulla controllabilità finita delle regole a profondità di derivazione limitata, dimostrando che i modelli universali generati da tali regole non possono contenere tornei arbitrariamente grandi senza implicare una query ciclica.
Il paper presenta ReTac-ACT, un modello di apprendimento per imitazione che fonde visione e tatto tramite un meccanismo di gating stato-dipendente e un obiettivo di ricostruzione tattile, ottenendo prestazioni superiori nel montaggio di precisione anche in condizioni di occlusione visiva e tolleranze industriali strette.
Il paper presenta GeoAlignCLIP, un framework unificato che migliora l'allineamento visione-linguaggio fine-granulare nelle immagini di telerilevamento attraverso l'apprendimento di allineamenti semantici multi-granulari e la coerenza intra-modale, supportato dal nuovo dataset RSFG-100k, ottenendo prestazioni superiori rispetto ai metodi esistenti su diversi benchmark.
Questo studio presenta un'analisi delle prestazioni dell'architettura frontend virtualizzata XRootD di T2_BR_SPRACE, che ha dimostrato di sostenere un throughput aggregato di 51,3 Gb/s e picchi di 41,5 Gb/s verso Fermilab durante trasferimenti dati ad alta intensità su WAN.
Questo lavoro introduce il paradigma di Panorama-Language Modeling (PLM) e il dataset PanoVQA per gestire scene panoramiche avverse, proponendo un modulo di attenzione sparsa che permette ai modelli visione-linguaggio esistenti di comprendere l'intero contesto 360° senza riaddestramento, superando i limiti della semplice aggregazione di immagini a campo visivo ristretto.
Il paper presenta BinaryAttention, un metodo innovativo che utilizza l'attenzione QK a 1 bit per i Transformer visivi e di diffusione, sostituendo i prodotti scalari in virgola mobile con operazioni bitwise e tecniche di addestramento avanzate per ottenere un'accelerazione superiore a 2x rispetto a FlashAttention2 mantenendo o superando l'accuratezza dei modelli full-precision.
Questo lavoro presenta un framework di stima e controllo sicuro per robot quadrupedi equipaggiati solo con sensori propriocettivi, che genera mappe del terreno e utilizza funzioni di barriera di controllo per garantire la locomozione sicura su terreni irregolari.
Questo studio presenta un modello di difesa contro le intrusioni stealth basato sulla teoria dei giochi, che analizza le interazioni strategiche tra attaccanti e difensori su grafi di attacco in tre diversi regimi informativi per derivare strategie difensive ottimali contro le minacce persistenti avanzate (APT).
Questo articolo propone un approccio di controllo per la copertura basato sul Grafico di Voronoi Generalizzato (GVG) per sistemi multi-robot in ambienti non convessi, che combina un algoritmo di bilanciamento del carico per l'allocazione ottimale dei robot in sottoregioni ponderate e un nuovo controller collaborativo per garantire una copertura efficiente con convergenza dimostrata.
Questo lavoro introduce un metodo basato sulla programmazione genetica per la scoperta simbolica di equazioni differenziali stocastiche, ottimizzando congiuntamente le funzioni di deriva e diffusione tramite la massima verosimiglianza per migliorare la modellazione, la comprensione e il campionamento generativo dei sistemi dinamici rumorosi.
Questo articolo presenta un curriculum di ingegneria del software basato su progetti che integra pratiche agili e strumenti di intelligenza artificiale per preparare gli studenti allo sviluppo software guidato dall'AI, fornendo evidenze preliminari sulla sua efficacia nel promuovere competenze pratiche e riflessive.
Il paper presenta Nemo, una nuova architettura di cache per dispositivi flash che riduce l'amplificazione di scrittura nei carichi di lavoro con oggetti di piccole dimensioni aumentando la probabilità di collisione hash e utilizzando un indicizzazione basata su filtro di Bloom e un tracciamento ibrido della "calorezza" per garantire alta efficienza di memoria e basso tasso di mancate.
Il paper presenta ParTY, un nuovo framework che migliora la sintesi di movimenti umani da testo guidando la generazione globale attraverso parti specifiche del corpo, risolvendo così le limitazioni di coerenza e allineamento semantico dei metodi esistenti.
Questo studio propone un metodo di classificazione delle immagini ispirato ai movimenti saccadici oculari umani, che utilizza le mappe di attenzione del modello Vision Transformer DINO per selezionare e processare solo le regioni visive più informative, ottenendo prestazioni pari o superiori all'elaborazione dell'immagine completa con maggiore efficienza.
Il paper propone un nuovo framework di super-risoluzione zero-shot per la risonanza magnetica (MRI) basato su una rappresentazione esplicita di Gaussiane fisicamente motivate e un rendering volumetrico, che bilancia l'efficienza computazionale e la qualità ricostruttiva senza richiedere dati di addestramento accoppiati.