3480 articoli
Questo lavoro presenta un agente generativo neuro-simbolico che supera le allucinazioni fisiche dei modelli linguistici tradizionali validando autonomamente le assunzioni teoriche e completando i meccanismi fisici mancanti, come dimostrato nella simulazione coerente della pressurizzazione termica in arenaria a bassa permeabilità.
LogoDiffuser è un metodo senza addestramento che genera e stilizza loghi multilingue iniettando mappe di attenzione informative in un modello di diffusione multimodale, utilizzando i caratteri target come immagini per garantire un controllo strutturale preciso e coerente.
Il paper presenta MuxGel, un sensore visuo-tattile che risolve il compromesso tra visione pre-contatto e rilevamento tattile utilizzando un rivestimento a scacchiera per la multiplexazione spaziale e un framework di ricostruzione basato su U-Net per recuperare simultaneamente segnali visivi e tattili ad alta fedeltà.
Questo paper dimostra che le difese attuali contro i backdoor sono incomplete perché esistono "trigger alternativi" che attivano la stessa vulnerabilità nascosta, suggerendo che le contromisure devono mirare alle direzioni del backdoor nello spazio delle rappresentazioni anziché ai trigger specifici nello spazio degli input.
Questo articolo propone un metodo di ottimizzazione topologica a spessore variabile che, combinando penalizzazione SIMP e una nuova proiezione informata dal gradiente di densità, elimina efficacemente le regioni a spessore ridotto e ripristina bordi strutturali nitidi senza compromettere la rigidità finale della struttura.
Il paper CLIOPATRA dimostra che le attuali protezioni heuristiche dei sistemi di analisi LLM, come quelle di Clio, sono insufficienti a prevenire la fuoriuscita di dati sensibili, poiché un avversario può manipolare il sistema per estrarre con successo la storia medica di un utente ignorando i meccanismi di redazione e audit.
Il paper presenta TIMID, una nuova architettura ispirata alla rilevazione di anomalie video che, sfruttando supervisione debole e un dataset di simulazione multi-robot, supera i limiti dei modelli esistenti nel rilevare errori temporali complessi durante l'esecuzione di compiti robotici ad alto livello.
Questo articolo propone DCPGN, un nuovo metodo di adattamento in tempo di test che utilizza la crescita di prototipi multi-etichetta e la coerenza di indizi duali (visivi e testuali) per migliorare l'anticipazione delle azioni tra prospettive egocentriche ed esocentriche senza richiedere dati di addestramento nel dominio target.
Questo studio presenta un'analisi sistematica e unificata della potenza espressiva del linguaggio PG-Keys per i grafi di proprietà, confrontandolo con GFD e GGD per stabilire una gerarchia rigorosa che chiarisce il suo ruolo nel futuro standard GQL.
Questo lavoro introduce il nuovo compito di apprendimento audio-visivo "Region-Aware Sound Source Understanding" (RA-SSU), supportato dai dataset annotati f-Music e f-Lifescene e dal modello SSUFormer, che mira a ottenere una comprensione dettagliata delle sorgenti sonore a livello di regione e di fotogramma con prestazioni state-of-the-art.
Il paper presenta ConfCtrl, un framework di interpolazione video consapevole della fiducia che risolve le sfide della sintesi di nuove viste da due immagini con grandi cambiamenti di prospettiva, permettendo ai modelli di diffusione di seguire traiettorie di camera precise e ricostruire regioni non visibili bilanciando proiezioni geometriche affidabili con correzioni residue apprese.
Il paper introduce EmoSURA, un nuovo framework di valutazione basato sulla verifica atomica delle unità percettive rispetto al segnale audio originale, che supera i limiti delle metriche tradizionali e dei giudici LLM per fornire una valutazione più accurata e affidabile delle didascalie emotive lunghe e dettagliate.
Il paper propone BrainSTR, un framework di apprendimento contrastivo spaziotemporale che migliora l'interpretabilità e la diagnosi delle malattie neuropsichiatriche identificando fasi critiche e sottoreti cerebrali dinamiche attraverso un'analisi adattiva e regolarizzata della connettività funzionale.
Il paper presenta VLM-Loc, un framework che sfrutta le capacità di ragionamento spaziale dei modelli visione-linguaggio su mappe a punto cloud trasformate in immagini BEV e grafi di scena per migliorare l'accuratezza della localizzazione basata su descrizioni testuali, accompagnato dal nuovo benchmark CityLoc per la valutazione sistematica.
Questo lavoro valuta sistematicamente l'accessibilità cromatica nei modelli di generazione di immagini basati su diffusione, introducendo la nuova metrica "CVDLoss" per misurare le modifiche strutturali e rivelando che i modelli attuali faticano a rispondere efficacemente a prompt focalizzati sull'accessibilità.
Il paper presenta uno schema di approssimazione Gap-ETH-ottimale per il TSP e il problema dell'albero di Steiner nello spazio iperbolico -dimensionale, basato su una nuova decomposizione gerarchica chiamata "hybrid hyperbolic quadtree" e su un'analisi di attraversamento pesata.
Il paper presenta RecThinker, un framework agenziale che trasforma i sistemi di raccomandazione da un approccio passivo a uno di indagine autonoma, utilizzando un paradigma di analisi-pianificazione-azione e strumenti specializzati per colmare le lacune informative e ottimizzare le raccomandazioni attraverso un addestramento ibrido supervisionato e per rinforzo.
Questo lavoro migliora i tempi di esecuzione degli algoritmi di approssimazione per i problemi di clustering -median e -means in spazi euclidei a bassa dimensione e dimostra che tale miglioramento è quasi ottimale, fornendo un limite inferiore corrispondente basato sull'ipotesi Gap Exponential Time.
Il paper introduce MissBench, un benchmark e framework che standardizza protocolli di dati mancanti sbilanciati e definisce nuovi metrici diagnostici per valutare l'equità e l'ottimizzazione nei modelli di analisi affettiva multimodale in scenari realistici.
Il documento propone un sistema di coerenza delle capacità (CCS) che mappa i modelli di consistenza della memoria sui meccanismi di revoca dell'autorizzazione, dimostrando tramite simulazione che la strategia RCC riduce drasticamente le operazioni non autorizzate rispetto ai metodi basati su TTL, eliminando la dipendenza dalla velocità di esecuzione degli agenti.