4469 articoli
Il paper propone DIPE, un nuovo metodo di codifica posizionale che risolve il problema del "visual fading" nei modelli multimodali a lungo contesto, eliminando la penalità delle distanze inter-modali tipica del Multimodal RoPE e garantendo così una stabilità nel grounding visivo senza compromettere le prestazioni su contesti brevi.
Questo studio indaga come fattori individuali, contestuali e di gruppo influenzino la percezione del sentiment nelle comunicazioni software, rivelando che tale percezione è instabile, fortemente dipendente dall'ambiguità del messaggio e scarsamente correlata a variabili esterne, suggerendo cautela nell'interpretazione dei risultati dell'analisi del sentiment.
Il paper propone FG-CLTP, un framework di pre-addestramento contrastivo che integra rappresentazioni tattili 3D quantitative con il linguaggio per migliorare la percezione e il controllo nella manipolazione robotica, superando i limiti delle descrizioni qualitative tradizionali.
Il paper propone BiLaLoRA, un metodo di de-abbagliamento per immagini reali che combina una perdita guidata dal testo basata su CLIP per l'adattamento non supervisionato e una strategia di posizionamento a due livelli dei parametri LoRA per ottimizzare automaticamente gli strati critici della rete, superando così le tecniche più avanzate su diversi benchmark.
Gli autori propongono un'architettura gerarchica che combina apprendimento per rinforzo e controllo predittivo del modello per gestire la locomozione su piattaforme ibride e non gaitate, dimostrando con successo il trasferimento zero-shot dalla simulazione alla realtà su un robot umanoide di 120 kg.
Il paper presenta VoxCare, un sistema indossabile scalabile che analizza in tempo reale i comportamenti comunicativi naturali degli operatori sanitari negli ospedali tramite l'estrazione di caratteristiche acustiche senza memorizzare l'audio grezzo, rivelando come tali pattern riflettano il carico di lavoro e lo stress per migliorare l'erogazione delle cure.
Il paper introduce S2D, una pipeline innovativa che combina un modello di diffusione per la correzione delle immagini sparse e una strategia di ricostruzione robusta per generare rappresentazioni 3D di alta qualità con il minimo numero di input necessari.
Questo articolo formalizza la selezione delle risposte DNS autorevoli come un dominio semantico limitato dai vincoli del protocollo, dimostrando che ogni meccanismo di selezione ammissibile può essere ridotto a una forma normale finita e dotato di una struttura algebrica intrinseca che ne permette un ragionamento rigoroso su equivalenza e composizione.
Questo studio analizza come le architetture delle reti neurali convoluzionali influenzino l'accuratezza del modello e l'efficienza computazionale nell'apprendimento distribuito, fornendo indicazioni per ottimizzare il loro dispiegamento in scenari ad alta intensità di risorse.
Il paper propone un metodo di inferenza multi-step privo di addestramento per l'estrazione della voce del parlante target, che affina iterativamente la stima utilizzando un modello preaddestrato congelato e ottimizzando metriche intrusive o non intrusive per bilanciare le prestazioni in scenari pratici.
Questo studio presenta un'architettura innovativa per il rilevamento delle lesioni del cancro orale, dimostrando che l'uso di pattern di progettazione come il Singleton e l'elaborazione in batch nelle implementazioni OC-RPAv1 e OC-RPAv2 riduce drasticamente i tempi di previsione da 0,29 a 0,06 secondi per immagine, ottenendo un miglioramento dell'efficienza fino a 100 volte rispetto ai metodi RPA standard.
Questo lavoro presenta un nuovo framework di apprendimento per imitazione a vita che, operando in uno spazio latente multimodale e integrando un meccanismo di aggiustamento incrementale dei feature, supera lo stato dell'arte sui benchmark LIBERO riducendo significativamente l'oblio e migliorando le prestazioni.
Il paper introduce l'Huffman-Bucket Sketch (HBS), una struttura dati semplice e unibile che comprime losslessly gli sketch HyperLogLog in uno spazio ottimale di bit mantenendo aggiornamenti a tempo costante e riducendo significativamente i requisiti di memoria.
Il sistema CBCTRepD colma il divario di competenze nell'interpretazione delle CBCT cliniche generando relazioni bilingue di alta qualità che, grazie a un framework di valutazione clinica, migliorano le prestazioni dei radiologi di tutti i livelli di esperienza e riducono gli errori di omissione.
Il paper presenta STADA, un framework di generazione di test basato su specifiche formali in logica temporale che, per la validazione degli agenti di guida autonoma, supera le tecniche esistenti offrendo una copertura significativamente superiore con un numero di simulazioni drasticamente ridotto.
Questo articolo presenta un algoritmo lineare per riconoscere i sottoinsiemi minimamente insoddisfacibili (MUS) delle formule 2-CNF, estende i risultati sulla complessità NP-completa per gli MUS con difetto 1, dimostra invece che trovare MUS contenenti una o due clausole unitarie è risolvibile in tempo polinomiale e propone un algoritmo incrementale per MUS con almeno una clausola unitaria.
Questo articolo propone SSL-V3, un modello basato su un Transformer per la visione video e apprendimento auto-supervisionato che integra la valutazione della qualità video senza riferimento per migliorare l'accuratezza della classificazione video, specialmente in scenari con dati sfocati o limitati.
Il paper presenta Med-DualLoRA, un framework federato di efficientamento dei parametri che adatta modelli fondazionali per la risonanza magnetica cardiaca 3D disaccoppiando adattamenti locali e globali per migliorare le prestazioni di rilevamento delle malattie riducendo al contempo i costi di comunicazione e preservando la privacy dei dati.
Il documento presenta VCR, un nuovo framework per il potenziamento di immagini in condizioni di scarsa illuminazione che risolve le inconsistenze tra luminanza e crominanza attraverso i moduli di adattamento adattivo dei canali e di allineamento della distribuzione del colore, ottenendo prestazioni all'avanguardia.
Questo rapporto riassume i risultati e le raccomandazioni del workshop NSF del 2024 sull'intersezione tra algoritmi e hardware per applicazioni mediche, delineando una roadmap strategica che richiede un cambio di paradigma nella progettazione, validazione e traduzione clinica di tecnologie come telechirurgia, dispositivi indossabili e sistemi di cura domiciliare.