6348 articoli
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.
Il paper introduce il Cumulative Consensus Score (CCS), un metodo agnostico e privo di etichette che valuta l'affidabilità dei modelli di rilevamento oggetti in fase di deployment misurando la coerenza spaziale delle previsioni su immagini con aumentazioni di dati, offrendo così una robusta metrica di monitoraggio per scenari reali privi di annotazioni.
Il paper introduce WHU-STree, un nuovo dataset multi-modale e ricco di annotazioni raccolto in due città diverse che integra nuvole di punti e immagini ad alta risoluzione per supportare oltre 10 compiti di inventario degli alberi stradali, superando i limiti dei dataset esistenti e fornendo un benchmark per la classificazione delle specie e la segmentazione degli alberi individuali.
Questo lavoro propone un framework di apprendimento per rinforzo asincrono che, disaccoppiando percezione e controllo e integrando un modulo di codifica temporale, permette ai veicoli aerei autonomi di navigare in modo agile e robusto in ambienti complessi mantenendo un ciclo di controllo a 100 Hz, come dimostrato da un trasferimento zero-shot dalla simulazione alla realtà.
Il paper introduce GeoAware-VLA, un modello che integra un encoder geometrico pre-addestrato e congelato per migliorare la generalizzazione zero-shot a nuove prospettive camera nei robot, ottenendo significativi guadagni di successo sia in simulazione che nel mondo reale senza richiedere dati 3D espliciti.
Questo studio presenta l'OIPP, un predittore di punti di impatto adattivo agli oggetti che, sfruttando un nuovo dataset realistico di 8.000 traiettorie, permette a un robot quadrupede di afferrare con successo una vasta gamma di oggetti in volo, anche in condizioni aerodinamiche complesse e con dati limitati.
Il paper presenta LibriTTS-VI, il primo corpus pubblico per il controllo numerico delle impressioni vocali, e propone metodi innovativi di addestramento disaccoppiato e privi di riferimento per mitigare la fuoriuscita di impressione e migliorare significativamente la precisione del controllo nella sintesi vocale.
Il paper propone un framework di apprendimento delle abilità robotiche basato su grafi di scena che, integrando reti neurali su grafi e apprendimento per imitazione diffuso con un pianificatore VLM, migliora significativamente la robustezza e la generalizzazione composizionale nell'esecuzione di compiti a lungo orizzonte.
Il paper presenta DroFiT, una rete leggera basata su Transformer per il potenziamento della voce in tempo reale su droni, che combina attenzione in frequenza e un'architettura ibrida per ridurre efficacemente il rumore auto-generato dai droni con bassi requisiti computazionali.
Questo articolo presenta un innovativo sistema di navigazione "Visual Teach-and-Repeat" basato su una camera a eventi che, sfruttando la correlazione incrociata nel dominio di Fourier e la compressione delle immagini, raggiunge una latenza di elaborazione estremamente bassa (2,88 ms) e permette una navigazione autonoma precisa e robusta in diverse condizioni di illuminazione su percorsi di oltre 3000 metri.
Questo studio dimostra che i moderni modelli video-LLM traggono significativi benefici dall'integrazione di encoder audio per compiti che richiedono comprensione del parlato, rivelando al contempo come le attuali benchmark visive sottostimino l'importanza dell'audio a causa della loro dipendenza da indizi puramente visivi.
Il paper propone FINS, un framework leggero che ricostruisce efficientemente in pochi secondi superfici implicite e campi SDF ad alta fedeltà partendo da una singola immagine, superando i metodi esistenti in velocità e precisione e dimostrando la propria efficacia in compiti di robotica come il seguire superfici.
Il paper presenta RetoVLA, un'architettura che riutilizza i token di registro per migliorare il ragionamento spaziale nei modelli Vision-Language-Action senza aumentare il numero di parametri, ottenendo un significativo incremento del successo nelle attività robotiche reali.
Il paper propone QuantVGGT, il primo framework di quantizzazione post-allenamento per i transformer VGGT su larga scala, che supera le sfide specifiche legate alle distribuzioni di attivazione e alla selezione dei campioni di calibrazione attraverso tecniche innovative di quantizzazione e campionamento, ottenendo riduzioni significative della memoria e accelerazioni nell'inferenza hardware mantenendo un'alta accuratezza nella ricostruzione 3D.