7320 articoli
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.
Il paper presenta QDR, un framework di distillazione senza decoder che risolve le sfide dell'addestramento consapevole alla quantizzazione per il ripristino delle immagini, permettendo a modelli Int8 di raggiungere prestazioni vicine a quelle FP32 e un'elevata velocità di inferenza su dispositivi edge.
Il paper presenta OTPL-VIO, un sistema di odometria visivo-inerziale stereo robusto che combina descrittori profondi senza addestramento per le linee con un'associazione basata sul trasporto ottimo e un pesamento adattivo dell'incertezza, migliorando significativamente accuratezza e stabilità in scenari a bassa texture e con variazioni di illuminazione.
Questo studio introduce il concetto di grado di proporzionalità nel budgeting partecipativo, dimostrando attraverso risultati teorici e sperimentali che, nonostante il Metodo delle Quote Uguali offra garanzie assiomatiche più forti, esso e la Regola Sequenziale di Phragmen condividono lo stesso grado di proporzionalità quantitativa.
Il paper presenta DiffWind, un framework differenziabile basato sulla fisica che unisce ricostruzione video e simulazione per modellare con alta precisione le dinamiche di oggetti mossi dal vento, integrando metodi come MPM e LBM e introducendo il nuovo dataset WD-Objects.
Il paper presenta VarSplat, un sistema SLAM RGB-D basato su 3D Gaussian Splatting che migliora la robustezza nella localizzazione e mappatura apprendendo esplicitamente la varianza di incertezza per ogni gaussiana per guidare l'ottimizzazione verso regioni più affidabili.
Il paper presenta FootMR, un metodo di raffinamento della motion capture dei piedi che, sfruttando dati di motion capture su larga scala e un dataset di valutazione chiamato MOOF, supera le limitazioni delle tecniche attuali migliorando significativamente la precisione della ricostruzione 3D dei movimenti dei piedi in video monoculare.
Il paper presenta DRIFT, un modello basato su Transformer che utilizza un'architettura a doppio percorso per fondere efficacemente informazioni locali e globali dai punti cloud 4D dei radar, ottenendo prestazioni superiori nella rilevazione di oggetti e nella stima della strada libera rispetto ai metodi esistenti.
Il paper introduce TemporalDoRA, un metodo di adattamento efficiente dei parametri specifico per video che integra un'attenzione temporale nel bottleneck a basso rango per migliorare la robustezza e l'accuratezza nel rispondere a domande su video chirurgici, validando l'approccio sul nuovo dataset REAL-Colon-VQA.
Questo studio empirico introduce la prima tassonomia degli "odori di interazione" nelle collaborazioni di generazione codice uomo-LLM, analizza la loro distribuzione su sei modelli principali e propone il framework multi-agente InCE per mitigare tali problematiche, migliorando significativamente il successo dei compiti e la qualità delle interazioni multi-turno.
Il paper presenta TriFusion-SR, un innovativo framework di diffusione condizionale guidato dalle ondelette che unisce fusione di immagini mediche tri-modali e super-risoluzione in un'unica fase, ottenendo prestazioni all'avanguardia attraverso una calibrazione adattiva delle caratteristiche spaziali e frequenziali.
Il paper presenta ProGS, un nuovo codec di streaming che organizza i dati di Gaussian Splatting 3D in una struttura ad albero octree per abilitare la codifica progressiva, riducendo lo spazio di archiviazione di 45 volte e migliorando le prestazioni visive del 10% rispetto al formato originale.
Il paper propone Robotic Scene Cloning (RSC), un metodo innovativo che utilizza l'editing di prompt visivi per adattare le traiettorie robotiche a nuovi scenari in modo zero-shot, migliorando significativamente la generalizzazione delle politiche di manipolazione sia in ambienti simulati che reali.
Il paper presenta GSStream, un innovativo sistema di streaming volumetrico basato su 3D Gaussian Splatting che integra la previsione collaborativa del punto di vista e l'adattamento del bitrate tramite apprendimento per rinforzo profondo per ottimizzare la distribuzione di scene in tempo reale riducendo l'uso della banda.
Il paper introduce FrameDiT, un modello di generazione video basato su Diffusion Transformer che utilizza una nuova "Matrix Attention" a livello di fotogramma per bilanciare efficienza e coerenza temporale, ottenendo risultati all'avanguardia rispetto alle tecniche esistenti.
Questo lavoro introduce il concetto di "stabilità locale" per valutare l'impatto di piccole variazioni nei valori degli elementi sul loro posizionamento nelle classifiche, proponendo algoritmi efficienti per approssimare tale misura e rilevare le regioni dense, pur dimostrando la complessità computazionale del problema generale.