3760 articoli
Questo articolo propone un framework di metric learning adattivo basato su margine, caratterizzato da una nuova funzione di perdita per dataset sbilanciati e da una strategia di pooling bilineare gerarchico, che raggiunge prestazioni allo stato dell'arte nella classificazione e nel recupero di nuvole di punti 3D con un basso costo computazionale.
Questo articolo propone SO6D, un nuovo metodo che combina la codifica octree-aware della simmetria con il voto di Hough e il raffinamento iterativo per ottenere una stima della posa 6D allo stato dell'arte per oggetti industriali simmetrici e privi di texture.
Questo articolo propone un framework di apprendimento multi-task flessibile che unifica backbone CNN 2D e 3D per eseguire simultaneamente la classificazione dell'osteoartrosi del ginocchio e la segmentazione di menisco e cartilagine, dimostrando che la variante 2D supera i baseline 3D in termini di accuratezza, velocità di convergenza ed efficienza computazionale su un dataset MRI su larga scala.
Questo articolo presenta un nuovo sistema di rilevamento panoramico multi-vista monoculare che cattura più prospettive in un'unica esposizione per ottenere una ricostruzione della forma 3D ad alta precisione e in tempo reale attraverso il percorso delle coordinate polari dei voxel di contorno, superando efficacemente sfide quali le superfici prive di texture e le configurazioni di telecamere complesse.
Questo articolo propone MEFD-Net, un modello di fusione di caratteristiche EEG multimodale che integra una BiLSTM potenziata, convoluzioni multi-scala adattive con auto-attenzione e reti puramente convoluzionali per ottenere un rilevamento della guida affaticata end-to-end e robusto, con un miglioramento significativo di accuratezza, recall e punteggi F1 rispetto ai metodi esistenti.
Questo studio empirico dimostra che, sebbene il passaggio dell'inferenza di modelli LLM locali da CPU a GPU migliori drasticamente l'efficienza energetica e la velocità, esso introduce un non-determinismo indotto dall'hardware che degrada la qualità del codice in scenari zero-shot, una sfida mitigata efficacemente dal prompting a tre shot per garantire una generazione di codice stabile e sostenibile.
Il documento propone il Degradation-Aware Dynamic Frequency Routing per l'Underwater Image Enhancement (DAFR-UIE), un framework compatto che utilizza un embedding di degradazione condiviso per coordinare dinamicamente il routing delle frequenze, la modulazione spaziale e la fusione adattiva per il ripristino specifico del campione, raggiungendo prestazioni allo stato dell'arte su dataset benchmark con soli 2,02 milioni di parametri.
Questo articolo introduce la "documentazione da fonte a affermazione" come un quadro per l'audit dell'IA generativa nella ricerca qualitativa, collegando esplicitamente le prove della fonte alle interazioni del modello e alle affermazioni analitiche, preservando così il percorso evidenziale necessario per la rianalisi e il giudizio umano.
Questo studio propone un framework di fusione di dati multi-fonte che integra dati geomagnetici, di traiettoria e di segnalazione con un avanzato clustering basato su griglia, l'analisi delle reti bayesiane e un modello CNN-BiLSTM potenziato dall'attenzione (self-attention) per identificare, prevedere e controllare accuratamente la congestione del traffico urbano, come validato da un caso di studio a Jinan.
Questo studio dimostra che i metodi di attribuzione post-hoc per le predizioni di serie temporali cliniche producono spesso disaccordi materialmente incoerenti e clinicamente rilevanti, suggerendo che un auditing calibrato sulle conseguenze sia più prezioso rispetto alla ricerca di un metodo di spiegazione universalmente preferito.