7210 articoli
Il paper introduce EventVGGT, un nuovo framework che supera i limiti delle attuali stime di profondità basate su eventi modellando il flusso come una sequenza video coerente e distillando conoscenze spaziotemporali e geometriche dal modello VGGT attraverso una strategia di distillazione tri-livello, ottenendo così risultati significativamente più accurati e coerenti nel tempo.
Il paper presenta MIDAS, un framework di steganografia senza copertura basato su diffusione e privo di addestramento che abilita il nascondimento di più immagini con controllo degli accessi specifico per utente, superando i limiti delle soluzioni esistenti in termini di qualità, robustezza e resistenza all'analisi steganografica.
Il paper presenta GeoBenchr, una suite di benchmarking open source e incentrata sulle applicazioni per valutare in modo completo le piattaforme di database spaziotemporali, colmando il divario tra le soluzioni esistenti e le esigenze reali di settori come il ciclismo, l'aviazione e il tracciamento marittimo.
Questo paper propone un innovativo sistema di identificazione per veicoli autonomi da corsa che combina una rete neurale leggera per stimare l'attrito stradale tramite visione, un modello S4 per catturare le dinamiche temporali residue e un algoritmo di ottimizzazione senza derivate per estrarre parametri fisici interpretabili, ottenendo così una convergenza più rapida e una maggiore precisione rispetto ai metodi tradizionali.
Il paper introduce YOLO-NAS-Bench, il primo benchmark surrogato per la ricerca architettonica di modelli YOLO, che utilizza un meccanismo di auto-evoluzione per affinare un predittore basato su LightGBM, permettendo di scoprire architetture di rilevamento oggetti superiori alle versioni ufficiali con costi di valutazione drasticamente ridotti.
Il paper presenta RiO-DETR, il primo trasformatore di rilevamento orientato in tempo reale che risolve le sfide specifiche degli angoli attraverso design nativi come la stima dell'angolo guidata dal contenuto e la raffinazione periodica disaccoppiata, ottenendo un nuovo compromesso tra velocità e accuratezza su dataset orientati.
Questo articolo propone un quadro unificante per i teoremi di dicotomia della complessità nelle reti tensoriali booleane, classificando i problemi irrisolti in nove casi basati su gruppi finiti di funzioni binarie e risolvendo i casi dei gruppi ciclici di ordine superiore.
Il paper presenta CIGPose, un framework basato su un'intervento causale e reti neurali grafiche che elimina le correlazioni spurie legate al contesto visivo per migliorare la robustezza e l'accuratezza della stima della posa del corpo intero, ottenendo nuovi risultati state-of-the-art sul dataset COCO-WholeBody.
Il paper presenta MetaDAT, un metodo di previsione delle traiettorie che combina un pre-addestramento meta-learning con un aggiornamento adattivo dei dati durante il test per migliorare l'accuratezza e l'efficienza in scenari con cambiamenti distributivi.
Questo studio dimostra come le vulnerabilità binarie nei moduli WebAssembly possano compromettere i meccanismi di sicurezza delle applicazioni web, facilitando attacchi come SQL Injection e XS-Leaks, e propone strategie difensive per mitigare tali rischi.
Il paper costruisce un funtore che assegna una dinamica a un modello algebrico di componenti interagenti, generalizzando il modello computazionale AlChemy di Fontana e Buss e proponendo l'uso della teoria delle categorie come strumento organizzativo per formalizzare la connessione tra gli aspetti algebrici e dinamici di tali modelli.
Il paper presenta GIIM, un nuovo approccio basato su grafi per la diagnosi medica multi-vista che migliora l'accuratezza e la robustezza dei sistemi CADx modellando simultaneamente le dipendenze intra- e inter-vista e gestendo efficacemente i dati mancanti.
Il paper "ShapeMark" propone un nuovo metodo di watermarking per modelli di diffusione che codifica i bit del marchio in schemi di rumore strutturati anziché in singoli valori, garantendo così un'ottima robustezza contro le perturbazioni e preservando al contempo la diversità delle immagini generate.
Il paper presenta un approccio basato sulla discesa del gradiente Stein variazionale (SVGD) precondizionata per la generazione di traiettorie ergodiche che coprono superfici 3D complesse rispettando i vincoli SE(3), superando le limitazioni dei metodi esistenti e dimostrando risultati superiori sia in simulazione che in esperimenti reali con robot.
Il paper presenta SEA-Nav, un framework di apprendimento per rinforzo che combina funzioni di barriera differenziabili, un meccanismo di replay adattivo e vincoli cinematici per permettere ai robot quadrupedi di navigare in modo sicuro e agile in ambienti densamente ostacolati con un tempo di addestramento di soli pochi minuti.
Il paper presenta TopoOR, un nuovo paradigma che utilizza una rappresentazione topologica di ordine superiore per modellare le sale operatorie, superando i limiti delle strutture tradizionali preservando le relazioni complesse e multimodali necessarie per la sicurezza chirurgica e ottenendo risultati superiori in compiti critici come il rilevamento di violazioni della sterilità e la previsione delle azioni.
Questo articolo descrive l'esperienza maturata nello sviluppo di tre curricula di ingegneria del software per professionisti e illustra un approccio sistematico basato sul mappaggio dei contenuti per integrare efficacemente corsi di ingegneria dei requisiti in programmi modulari e dinamici.
Il paper presenta il Corpus Patrologia Graeca, la prima risorsa OCR e linguistica aperta su larga scala per le edizioni greche del XIX secolo, ottenuta tramite una pipeline avanzata che raggiunge un'accuratezza eccezionale nel riconoscimento del greco politonico degradato e fornisce sei milioni di token annotati per la ricerca filologica e l'addestramento di modelli di linguaggio.
Il paper introduce OmniEarth, un benchmark completo per valutare le capacità di percezione, ragionamento e robustezza dei modelli visione-linguaggio applicati all'osservazione della Terra, evidenziando attraverso una rigorosa valutazione su 9.275 immagini e 44.210 istruzioni che le attuali soluzioni faticano ancora a gestire compiti geospaziali complessi.
Il paper presenta MORE-R1, un modello innovativo che guida i Large Vision-Language Model nell'estrazione di relazioni tra oggetti visivi ed entità testuali attraverso un ragionamento passo-passo ottimizzato con l'apprendimento per rinforzo, ottenendo prestazioni all'avanguardia sul benchmark MORE.