3447 articoli
Il paper introduce VisPoison, un framework di attacco backdoor che sfrutta l'avvelenamento dei dati per compromettere i modelli di visualizzazione da testo a tabella, inducendo con successo esposizioni di dati sensibili, visualizzazioni fuorvianti o interruzioni del servizio tramite trigger specifici, evidenziando gravi vulnerabilità di sicurezza e l'inefficacia delle attuali difese.
Il paper presenta OWL-TAMP, un approccio che integra i Modelli Vision-Language per generare vincoli di linguaggio che potenziano i sistemi di pianificazione di compiti e movimento, permettendo ai robot di risolvere compiti di manipolazione a lungo termine in ambienti aperti specificati direttamente in linguaggio naturale.
Questo studio analizza come gli ingegneri del software interagiscono con gli assistenti AI, rivelando che l'incapacità dei modelli linguistici di fornire risposte corrette porta spesso all'abbandono dello strumento, nonostante gli utenti tentino di mitigare tali errori con strategie di scaffolding e chiarimento dei prompt.
Il paper propone un framework di apprendimento attivo per i modelli visione-linguaggio che, combinando un clustering guidato dalle classi e una selezione adattiva basata su soglie specifiche per categoria, ottimizza l'efficienza del budget di annotazione superando le prestazioni delle metodologie esistenti su diversi dataset.
Questo studio presenta una tassonomia di nove "log smells" derivata da un'analisi della letteratura scientifica, mappando le relative problematiche sugli strumenti esistenti per identificare le lacune nella ricerca e guidare lo sviluppo di log di migliore qualità.
Lo studio analizza la risoluzione collaborativa di problemi nell'analisi visiva di grafi in realtà mista, dimostrando che la rappresentazione 3D non garantisce risultati migliori rispetto ai gruppi nominali e sottolineando l'importanza di questi ultimi come benchmark di riferimento.
Questo articolo dimostra che le lunghezze delle corse e le posizioni di inizio e fine nelle sequenze di piegatura della carta sono 2-sincronizzate e calcolabili tramite automi finiti, generalizzando risultati recenti e fornendo nuove proprietà sulla complessità e l'esponente critico di tali sequenze.
Il paper presenta ARSGaussian, un metodo innovativo per la sintesi di nuove viste in ambito di telerilevamento aereo che integra nuvole di punti LiDAR e modelli di distorsione geometrica nel 3D Gaussian Splatting per risolvere problemi di fluttuazione e sovracrescita, migliorando la precisione geometrica e rilasciando il nuovo dataset AIR-LONGYAN.
Questo studio analizza 160 linee guida e dichiarazioni politiche relative all'intelligenza artificiale generativa e ai modelli linguistici su larga scala in quattordici settori industriali, utilizzando tecniche di text-mining per valutare le sfide di governance e fornire raccomandazioni per un'integrazione responsabile, trasparente ed equa.
Questo studio propone l'ELIPformer, un modello basato su Transformer che integra un priore linguistico-visivo per migliorare le prestazioni di decodifica EEG nelle interfacce cervello-computer RSVP, consentendo un'adattabilità efficace tra diversi compiti senza necessità di calibrazione.
Questo lavoro introduce il dataset open-source MTREE e la rete neurale MTREE-Net, che fondono segnali EEG e movimenti oculari tramite una strategia di fusione dinamica e trasferimento di conoscenza per migliorare significativamente le prestazioni di decodifica nei sistemi BCI RSVP multi-classe.
Il documento presenta Kite, un protocollo che abilita la delega privata dei poteri di voto nelle DAO garantendo l'anonimato sia del delegante che del delegato, pur registrando pubblicamente l'azione di delega, e ne dimostra la fattibilità pratica attraverso un'implementazione su Ethereum basata su prove a conoscenza zero.
Il paper presenta gli iMarkers, nuovi marcatori fiduciali invisibili agli umani ma rilevabili da robot e dispositivi AR, che risolvono il problema estetico dei marcatori tradizionali offrendo flessibilità di produzione, algoritmi di rilevamento open-source e robustezza in scenari robotici diversificati.
Il presente lavoro definisce e analizza un metodo agli elementi finiti per le equazioni accoppiate di Stokes e Poisson-Boltzmann, dimostrando l'esistenza e l'unicità della soluzione debole, la ben-postezza del problema discreto e le relative velocità di convergenza, convalidando infine il metodo attraverso esperimenti numerici su flussi elettro-osmotici in micro-canali.
Gli autori dimostrano che un indebolimento asimmetrico del teorema di sparsificazione della tavolozza permette di ottenere algoritmi sublineari quasi ottimali per la colorazione dei vertici in diversi modelli computazionali, semplificando drasticamente sia le dimostrazioni teoriche che l'implementazione degli algoritmi rispetto ai risultati precedenti.
Lo studio rivela che i pregiudizi di genere nella percezione dell'autorità manageriale si estendono anche ai sistemi di intelligenza artificiale, i quali vengono giudicati più favorevolmente se maschili quando assegnano premi, ma subiscono un maggiore scetticismo e critiche negative se femminili quando non lo fanno.
Questo studio presenta un array di vibrisse attivate magneticamente e basato sulla visione che, integrando sensori tattili ad alta risoluzione, ha dimostrato un'elevata accuratezza nel riconoscimento degli oggetti (99,17%) e nell'afferrare delicati manufatti (87% di successo con otto vibrisse).
Questo lavoro di ricerca offre una panoramica completa e strutturata delle tecniche, dei dataset e delle prospettive future per migliorare la generalizzabilità del rilevamento tramite Wi-Fi, affrontando le sfide legate ai cambiamenti di dominio attraverso un'analisi di oltre 200 pubblicazioni e l'introduzione di una nuova piattaforma per la condivisione dei dati.
Il paper presenta RS-STE, un nuovo approccio che integra in modo sinergico il riconoscimento e l'editing del testo in scene reali all'interno di un unico framework basato su transformer, ottenendo prestazioni all'avanguardia su dati sintetici e reali grazie a una strategia di addestramento auto-supervisionato ciclico.
Il paper presenta NeurCC, un nuovo algoritmo di controllo della concorrenza basato sull'apprendimento automatico che, superando i limiti degli approcci tradizionali, ottimizza rapidamente le prestazioni su carichi di lavoro dinamici e diversificati tramite una funzione appresa e implementata come tabella di ricerca all'interno del database.