3463 articoli
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.
Il paper introduce PruneSID, un metodo senza addestramento per la compressione dei token visivi nei modelli visione-linguaggio che, combinando analisi delle componenti semantiche e soppressione non massima, preserva l'essenza delle informazioni riducendo drasticamente il carico computazionale e migliorando le prestazioni rispetto agli approcci esistenti.
Il paper presenta StyleVLA, un modello Vision-Language-Action basato su Qwen3-VL-4B e arricchito da vincoli fisici, che supera i modelli proprietari più grandi generando traiettorie di guida autonome non solo sicure ma anche fisicamente plausibili e adattate a diversi stili di guida.
Questo paper propone un nuovo framework a due stadi per la generazione di immagini fotorealistiche da schizzi, basato su un autoencoder con attenzione self-attention, un modulo di fusione che preserva le coordinate e un revisore di affinamento spaziale, che supera le tecniche attuali in fedeltà e coerenza semantica su diversi dataset.
Il paper propone la "Diagonal Distillation", un metodo innovativo che supera i limiti delle tecniche di distillazione esistenti per la generazione video in streaming, combinando una strategia di generazione asimmetrica e la modellazione del flusso ottico per ottenere video coerenti e ad alta fedeltà con un'accelerazione fino a 31 FPS.