6341 articoli
Il paper presenta MIDAR, un modello surrogato per la rilevazione LiDAR che utilizza un Graph Transformer geometrico per generare percezioni realistiche nei simulatori di traffico microscopico, colmando il divario tra scalabilità computazionale e fedeltà della simulazione per le applicazioni di sistemi di trasporto intelligenti.
Questo studio presenta TransUNet-GradCAM, un modello ibrido Transformer-U-Net che combina meccanismi di attenzione globale e locali per ottenere un'accurata segmentazione e visualizzazione spiegabile delle ulcere diabetiche del piede, dimostrando elevate prestazioni e robusta trasferibilità su dataset clinici esterni senza necessità di riaddestramento.
Il paper presenta S²Q-VDiT, un framework di quantizzazione post-addestramento per trasformatori di diffusione video che combina la selezione di dati salienti basata sull'elmo Hessiano e la distillazione di token sparsi guidata dall'attenzione per ottenere prestazioni senza perdite, una compressione del modello di 3,9 volte e un'accelerazione dell'inferenza di 1,3 volte.
Il paper presenta SPEX, il primo modello linguistico-visivo multimodale progettato per l'estrazione della copertura del suolo da immagini remote multispettrali, che supera le tecniche esistenti sfruttando informazioni spettrali codificate in un nuovo dataset di istruzioni (SPIE) e offrendo spiegazioni testuali per migliorare l'interpretabilità.
Questo lavoro presenta la prima valutazione di metodi di 3D Gaussian Splatting su immagini fisheye reali con campo visivo superiore a 180°, dimostrando che una configurazione a 160° ottimizza il compromesso tra copertura e qualità, e introducendo un'inizializzazione basata sulla profondità tramite UniK3D che supera i limiti dello SfM in condizioni di distorsione estrema e scenari complessi.
Questo articolo presenta la prima validazione sperimentale della comunicazione radiofrequenza (RF) coperta e teoricamente garantita utilizzando radio definiti via software (SDR), confermando le previsioni della legge della radice quadrata e aprendo nuove vie per l'implementazione pratica di tali sistemi.
Questo lavoro introduce un framework unificato e semanticamente fondato per l'adattamento di dominio nella segmentazione di immagini mediche, che supera la tradizionale separazione tra impostazioni con e senza accesso ai dati sorgente apprendendo una varietà probabilistica di regolarità anatomiche per ottenere prestazioni all'avanguardia e interpretabilità in entrambi gli scenari.
Il paper presenta Video-EM, un framework di memoria episodica senza addestramento che migliora la comprensione di video lunghi trasformando la selezione di fotogrammi in una costruzione di eventi temporali coerenti e verificati, permettendo ai modelli linguistici video esistenti di ragionare su contesti estesi senza modifiche architetturali.
Il paper introduce UniUGG, il primo framework unificato per la comprensione e la generazione di contenuti 3D che combina un LLM, un decoder spaziale basato su modelli di diffusione latente e una strategia di apprendimento geometrico-semantico per migliorare sia l'analisi visiva spaziale che la creazione di scene 3D.
Il paper presenta UniCast, un framework multimodale efficiente che potenzia i modelli fondazionali per le serie temporali mediante prompt condizionati all'istanza e un routing dinamico delle modalità, migliorando significativamente le previsioni sfruttando contesti visivi e testuali senza modificare i modelli di base.
Il paper presenta PhysGM, un modello feed-forward che genera simulazioni 4D fisicamente plausibili e ad alta fedeltà partendo da una singola immagine in un minuto, superando i limiti dei metodi precedenti grazie a un'architettura congiunta, all'ottimizzazione DPO e al nuovo dataset PhysAssets.
Questo articolo presenta un framework per la stima della posa umana 3D basato su modelli di diffusione che, grazie a una strategia di potatura temporale gerarchica (HTP), riduce drasticamente i costi computazionali e accelera l'inferenza mantenendo prestazioni all'avanguardia.
Il paper presenta PointSlice, un nuovo metodo di rappresentazione basato su fette per la rilevazione di oggetti 3D da nuvole di punti che, bilanciando precisione ed efficienza attraverso una conversione in dati 2D e una rete di interazione tra fette, supera i compromessi tradizionali tra metodi basati su voxel e pilastri.
Il documento presenta AmphiKey, un protocollo ibrido post-quantistico e tradizionale per l'incapsulamento di chiavi autenticate nelle smart grid, che offre due modalità operative flessibili (autenticata e deniabile) garantendo sicurezza contro minacce classiche e quantistiche, con prestazioni ottimizzate anche su dispositivi a risorse limitate come il Raspberry Pi.
Il paper propone MDM-MixMFL, un nuovo framework di apprendimento federato che utilizza strategie di decoupling e memorizzazione delle modalità per affrontare l'eterogeneità dei dati e delle modalità nell'segmentazione di immagini MRI in scenari medici distribuiti non centralizzati.
Il paper presenta UltraUPConvNet, un framework universale ed efficiente basato su UPerNet e ConvNeXt che, addestrato su un ampio dataset di oltre 9.700 annotazioni, unifica con prestazioni all'avanguardia la segmentazione dei tessuti e la previsione delle malattie nelle immagini ecografiche riducendo al contempo il carico computazionale.
Il paper presenta Traffic-MLLM, un framework di apprendimento supervisionato regolarizzato dalla curiosità che, integrando dati video dinamici e domande-visive su larga scala, apprende uno spazio di casi strutturato per migliorare il ragionamento multimodale e la robustezza nei scenari di guida autonomi senza ricorrere al recupero esplicito dei casi.
Il paper presenta ActivePose, un sistema di stima e tracciamento attivo della posa 6D che combina un modello visione-linguaggio con la "immaginazione robotica" per risolvere le ambiguità visive selezionando dinamicamente le migliori viste e mantenendo l'oggetto in campo visivo tramite un policy di diffusione, superando così i limiti dei metodi esistenti nella manipolazione robotica.
Ispirandosi al mudskipper, questo studio dimostra come l'oscillazione attiva della coda fluidifichi il terreno granulare, riducendo la resistenza e aumentando la velocità di un robot fino al 67%, fornendo così nuovi principi di progettazione per la locomozione su substrati deformabili.
Il paper propone SAGA, un meccanismo di attenzione lineare che utilizza cancelli adattivi selettivi per mitigare la ridondanza delle informazioni e migliorare l'espressività, ottenendo così significativi guadagni sia in termini di efficienza computazionale che di accuratezza rispetto alle architetture Transformer tradizionali.