6368 articoli
Questo lavoro introduce i "font variabili differenziabili", un nuovo framework che automatizza la progettazione e l'animazione tipografica trasformando le specifiche dei font variabili in una formulazione matematica differenziabile, permettendo così l'ottimizzazione basata su gradienti per migliorare l'estetica e la leggibilità del testo senza intervento manuale.
Il documento presenta l'EB-MBD, un nuovo approccio che integra funzioni barriera emergenti nel Diffusione Basata su Modello per garantire la sicurezza e migliorare l'efficienza computazionale nella generazione di traiettorie ottimali in ambienti altamente vincolati, superando i limiti di instabilità e costo delle tecniche tradizionali.
Il paper presenta AR-Drag, il primo modello di diffusione video autoregressivo potenziato dal reinforcement learning per la generazione di video in tempo reale da immagini con controllo preciso del movimento, risolvendo i problemi di latenza e qualità tipici delle approcci esistenti.
Il paper propone CDE (Concept-Driven Exploration), un metodo che utilizza un modello visione-linguaggio pre-addestrato per generare concetti visivi come segnali di ricompensa intrinseca, permettendo a un agente di esplorare in modo efficiente compiti di manipolazione visiva sia in simulazione che nel mondo reale.
Questo studio analizza le dinamiche deliberative e l'allineamento valoriale di diversi modelli LLM in dibattiti multi-turno su dilemmi etici quotidiani, rivelando significative differenze nel comportamento, nella flessibilità delle revisioni e nelle priorità valoriali tra i modelli, nonché un forte impatto delle strutture di interazione sincrona e sequenziale sui loro esiti.
Il paper propone un plugin leggero e senza addestramento, basato sull'identificazione e ridimensionamento condizionale delle classi di testine di attenzione, per riallocare dinamicamente le risorse tra percezione e ragionamento negli modelli di ragionamento multimodale, riducendo così le allucinazioni e migliorando la coerenza senza modificare l'architettura.
Questo lavoro propone un framework di apprendimento per rinforzo multi-obiettivo condizionato dalle preferenze che permette a un robot umanoide di bilanciare dinamicamente il tracciamento dei comandi di navigazione e la compliance alle forze esterne, garantendo sia stabilità che interazione sicura in ambienti reali.
Il paper presenta DropVLA, un attacco backdoor a livello di azione per i modelli Vision-Language-Action che, mediante un'iniezione mirata di dati di addestramento, forza l'esecuzione di primitive fisiche specifiche in punti decisionali scelti dall'attaccante mantenendo inalterate le prestazioni nominali del compito.
Questo lavoro presenta un modello del mondo basato sulla visione egocentrica e un controllo predittivo del modello (MPC) addestrati su dati offline senza dimostrazioni, che permettono a un umanoide fisico di pianificare in tempo reale interazioni fisiche complesse in ambienti non strutturati con maggiore efficienza rispetto ai metodi di apprendimento per rinforzo tradizionali.
Questo studio ha dimostrato che l'approccio basato sull'effetto protègè, che prevede l'insegnamento di soluzioni allo stress digitale ad altri, non è risultato efficace nel ridurre lo stress digitale o migliorare la gestione dei social media rispetto ai gruppi di controllo, evidenziando la difficoltà di tradurre l'impegno cognitivo in un cambiamento comportamentale duraturo.
Questa revisione sistematica esamina l'applicazione dei modelli generativi profondi non supervisionati per il rilevamento di anomalie nelle neuroimmagini, evidenziando il loro potenziale per la localizzazione di patologie senza annotazioni voxel-level, pur sottolineando le sfide legate all'eterogeneità metodologica e alla validazione esterna.
Questo lavoro introduce una metrica probabilistica robusta per la stabilità di posizionamento che, valutando direttamente le nuvole di punti parziali, abilita un ragionamento unificato e privo di modelli per la presa e il posizionamento di oggetti non visti su supporti complessi.
Questo lavoro introduce il nuovo compito di Segmentazione Audio-Visiva Continuale (CAVS) e propone il framework Collision-based Multi-modal Rehearsal (CMR) per mitigare la deriva semantica e la confusione da co-occorrenza, ottenendo risultati superiori rispetto ai metodi a modalità singola in scenari di apprendimento incrementale.
Il lavoro presenta PolyJailbreak, un nuovo framework di jailbreak black-box per i modelli linguistici multimodali (MLLM) che sfrutta l'asimmetria nella sicurezza tra modalità testuale e visiva, utilizzando primitive atomiche e ottimizzazione multi-agente per superare i meccanismi di sicurezza e ottenere tassi di successo superiori al 95% su modelli commerciali come GPT-4o e Gemini.
Il paper presenta HumanMPC, un framework di controllo predittivo basato su modelli che garantisce una navigazione sicura ed efficiente di droni in ambienti affollati, combinando previsioni del movimento umano guidate dai dati con una formulazione di sicurezza innovativa che riduce il conservatorismo eccessivo.
Questo documento propone un quadro concettuale HCI per l'implementazione di Minecraft Education Edition nel sistema educativo bangladese, adattando l'apprendimento basato su giochi a tre livelli di infrastruttura tecnologica e risorse per superare le sfide di connettività, energia e accesso all'hardware nelle scuole rurali e urbane.
Il paper introduce Dream4Drive, un nuovo framework di generazione di dati sintetici che, decomponendo i video in mappe guida 3D e adattando modelli di mondo guidati, migliora significativamente le prestazioni dei modelli di percezione per la guida autonoma, specialmente nella gestione di casi limite, superando i limiti delle attuali strategie di addestramento.
Il paper propone MoE-GS, un nuovo framework unificato per la ricostruzione di scene dinamiche tramite Gaussian Splatting che integra esperti specializzati tramite un router aware del volume per migliorare la qualità della sintesi di nuove viste, offrendo anche strategie di ottimizzazione per l'efficienza e la distillazione.
Questo studio valuta le prestazioni e la sostenibilità di Valkey, KeyDB e Garnet come alternative cloud-native a Redis, evidenziando i compromessi tra efficienza, compatibilità e longevità del progetto in ambienti Kubernetes.
Il paper presenta HCLA, un sistema multi-agente basato su LLM e centrato sull'utente che, attraverso un flusso di lavoro conversazionale, trasforma l'intento analitico in regole esplicite e ricostruisce giustificazioni di stile esperto per migliorare la trasparenza e l'accountability nel rilevamento delle transazioni anomale con asset digitali.