3447 articoli
Questo studio analizza come le architetture delle reti neurali convoluzionali influenzino l'accuratezza del modello e l'efficienza computazionale nell'apprendimento distribuito, fornendo indicazioni per ottimizzare il loro dispiegamento in scenari ad alta intensità di risorse.
Il paper propone un metodo di inferenza multi-step privo di addestramento per l'estrazione della voce del parlante target, che affina iterativamente la stima utilizzando un modello preaddestrato congelato e ottimizzando metriche intrusive o non intrusive per bilanciare le prestazioni in scenari pratici.
Questo studio presenta un'architettura innovativa per il rilevamento delle lesioni del cancro orale, dimostrando che l'uso di pattern di progettazione come il Singleton e l'elaborazione in batch nelle implementazioni OC-RPAv1 e OC-RPAv2 riduce drasticamente i tempi di previsione da 0,29 a 0,06 secondi per immagine, ottenendo un miglioramento dell'efficienza fino a 100 volte rispetto ai metodi RPA standard.
Questo lavoro presenta un nuovo framework di apprendimento per imitazione a vita che, operando in uno spazio latente multimodale e integrando un meccanismo di aggiustamento incrementale dei feature, supera lo stato dell'arte sui benchmark LIBERO riducendo significativamente l'oblio e migliorando le prestazioni.
Il paper introduce l'Huffman-Bucket Sketch (HBS), una struttura dati semplice e unibile che comprime losslessly gli sketch HyperLogLog in uno spazio ottimale di bit mantenendo aggiornamenti a tempo costante e riducendo significativamente i requisiti di memoria.
Il sistema CBCTRepD colma il divario di competenze nell'interpretazione delle CBCT cliniche generando relazioni bilingue di alta qualità che, grazie a un framework di valutazione clinica, migliorano le prestazioni dei radiologi di tutti i livelli di esperienza e riducono gli errori di omissione.
Il paper presenta STADA, un framework di generazione di test basato su specifiche formali in logica temporale che, per la validazione degli agenti di guida autonoma, supera le tecniche esistenti offrendo una copertura significativamente superiore con un numero di simulazioni drasticamente ridotto.
Questo articolo presenta un algoritmo lineare per riconoscere i sottoinsiemi minimamente insoddisfacibili (MUS) delle formule 2-CNF, estende i risultati sulla complessità NP-completa per gli MUS con difetto 1, dimostra invece che trovare MUS contenenti una o due clausole unitarie è risolvibile in tempo polinomiale e propone un algoritmo incrementale per MUS con almeno una clausola unitaria.
Questo articolo propone SSL-V3, un modello basato su un Transformer per la visione video e apprendimento auto-supervisionato che integra la valutazione della qualità video senza riferimento per migliorare l'accuratezza della classificazione video, specialmente in scenari con dati sfocati o limitati.
Il paper presenta Med-DualLoRA, un framework federato di efficientamento dei parametri che adatta modelli fondazionali per la risonanza magnetica cardiaca 3D disaccoppiando adattamenti locali e globali per migliorare le prestazioni di rilevamento delle malattie riducendo al contempo i costi di comunicazione e preservando la privacy dei dati.
Il documento presenta VCR, un nuovo framework per il potenziamento di immagini in condizioni di scarsa illuminazione che risolve le inconsistenze tra luminanza e crominanza attraverso i moduli di adattamento adattivo dei canali e di allineamento della distribuzione del colore, ottenendo prestazioni all'avanguardia.
Questo rapporto riassume i risultati e le raccomandazioni del workshop NSF del 2024 sull'intersezione tra algoritmi e hardware per applicazioni mediche, delineando una roadmap strategica che richiede un cambio di paradigma nella progettazione, validazione e traduzione clinica di tecnologie come telechirurgia, dispositivi indossabili e sistemi di cura domiciliare.
Questo lavoro propone un framework di controllo adattivo che combina un controllore di impedenza cartesiano e un agente di apprendimento per rinforzo per automatizzare con successo il raschiamento di materiali eterogenei dai vial di laboratorio, superando le prestazioni delle basi fisse del 10,9% grazie al trasferimento della politica appresa in simulazione al robot reale.
Il paper introduce PPGuide, un framework leggero basato su un predittore di prestazioni che guida le politiche di diffusione durante l'inferenza verso azioni più robuste, utilizzando un processo auto-supervisionato per identificare e correggere le modalità di fallimento senza richiedere costosi modelli del mondo.
Il paper introduce un algoritmo quasi instance-ottimale per il campionamento di Poisson su join aciclici, basato su un indice ad accesso casuale che evita la materializzazione del risultato e che, nelle sperimentazioni, supera le prestazioni degli approcci tradizionali sia per il campionamento che per l'elaborazione classica dei join.
Il paper introduce "World Mouse", un cursore cross-realtà che combina interazione superficiale basata su normali e navigazione tramite interpolazione per permettere un'interazione precisa e fluida tra oggetti fisici e virtuali negli ambienti di Realtà Estesa (XR).
Questo lavoro introduce il dataset CFD e la metrica CFM per valutare oggettivamente la fedeltà cromatica nelle immagini generate, proponendo inoltre un metodo di raffinamento senza addestramento (CFR) per correggere la tendenza dei modelli a produrre immagini eccessivamente vivide e poco realistiche.
Il paper presenta TreeON, un nuovo framework neurale che ricostruisce nuvole di punti 3D dettagliate degli alberi partendo da una singola ortofoto e un modello di superficie digitale, utilizzando una strategia di supervisione basata su perdite geometriche, di ombra e di silhouette e addestrata su dati sintetici per garantire una forte generalizzazione su scenari reali senza necessità di dati di scansione laser a terra.
Questo studio presenta un'analisi sperimentale su più livelli dell'impatto degli algoritmi crittografici post-quantum (ibridi e puri) rispetto a quelli tradizionali sulle prestazioni delle transazioni HTTP su TLS 1.3, valutando le prestazioni dalla fase di handshake TCP fino al livello applicativo HTTP.
Il paper propone un livello di segnalazione collaborativa consapevole del compito che trasforma le valutazioni offline in segnali online interpretabili, permettendo agli agenti LLM di gestire l'asimmetria informativa e trasformare la delega da un processo opaco a una decisione negoziabile, verificabile e condivisa tra umani e agenti.