3476 articoli
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.
Questo lavoro formalizza il concetto di "fette idempotenti" e presenta un algoritmo efficiente per estrarle dalla forma GSA, permettendo una riduzione dello spazio del codice fino al 7,24% attraverso la fusione di istruzioni non contigue.
Questo articolo presenta un filtro di Kalman d'insieme regolarizzato che integra dati sensoriali per aggiornare lo stato di modelli di campo di fase per la frattura fragile, permettendo di inferire sia il campo di spostamento che il campo di fase attraverso un approccio bayesiano che garantisce la coerenza con le assunzioni del modello.
Il documento presenta WVA, un piano di controllo di ottimizzazione globale co-progettato con \texttt{llmd} che, integrando lo stato interno del server di inferenza e gestendo l'eterogeneità hardware, migliora il throughput effettivo del 37% e riduce i fallimenti delle richieste di 10 volte rispetto agli autoscaler tradizionali.
Il paper presenta FetalAgents, il primo sistema multi-agente progettato per orchestrare dinamicamente esperti visivi specializzati al fine di analizzare immagini e video ecografici fetali, generando report clinici strutturati con prestazioni superiori rispetto ai modelli esistenti.
Questo articolo propone un framework di scheduling basato su offset temporali che, decomponendo i grafi di dipendenza dei dati e sincronizzando i produttori attraverso un algoritmo di ricerca del consenso, garantisce la freschezza dei dati nei sistemi autonomi critici eliminando la latenza artificiale del paradigma LET e l'inefficienza del sovracampionamento.
Il paper introduce SACA, un nuovo framework di allineamento contrastivo step-aware che risolve le limitazioni degli attuali metodi di addestramento per la navigazione visione-linguaggio in ambienti continui, migliorando la generalizzazione e il recupero dagli errori attraverso una supervisione densa e un'analisi dettagliata dei singoli passaggi.
Il paper presenta ENIGMA-360, un nuovo dataset sincronizzato di video ego- ed exocentrici raccolti in un ambiente industriale reale e annotati temporalmente e spazialmente per favorire la comprensione del comportamento umano e lo sviluppo di sistemi di sicurezza, evidenziando attraverso esperimenti basali le attuali limitazioni dei modelli nello scenario.
Il paper presenta LAP, un modello di pianificazione che sfrutta le descrizioni linguistiche derivate da un modello visione-linguaggio per superare l'ambiguità visiva e raggiungere prestazioni state-of-the-art nella pianificazione di procedure per video istruttivi.
Questo articolo presenta un robot continuo a compressione ispirato ai bruchi, dotato di un sistema di attuazione a tendini e di sensori a setole artificiali, progettato per migliorare l'esplorazione e l'ispezione di spazi confinati tramite robot commerciali esistenti.
Il documento dimostra che minimizzare la lunghezza dell'arco più lungo nell'embedding geometrico simultaneo di due percorsi su una griglia intera è NP-difficile, mentre presenta un algoritmo di complessità per minimizzare il perimetro della griglia quando uno dei percorsi è monotono in e l'altro in .
Questo articolo sostiene che i videogiochi commerciali rappresentino un ambiente di ricerca sottoutilizzato all'incrocio tra interazione uomo-computer e scienze cognitive, offrendo un contesto ecologicamente valido per studiare percezione, attenzione e funzioni esecutive attraverso un framework di mappatura tra affordance e cognizione.