5141 articoli
Il paper presenta InstantSfM, un sistema SfM globale nativo per GPU e compatibile con PyTorch che risolve l'ambiguità della scala integrando priori di profondità metrica e garantisce stabilità numerica, ottenendo un'efficienza fino a 40 volte superiore rispetto a COLMAP mantenendo un'accuratezza di ricostruzione comparabile.
Il paper presenta UltraGen, un nuovo framework che utilizza l'attenzione locale gerarchica con guida globale a bassa risoluzione per abilitare la generazione efficiente, scalabile e semanticamente coerente di immagini ultra-ad alta risoluzione (oltre 8K) con un significativo aumento della velocità e una riduzione dell'uso di memoria rispetto ai modelli esistenti.
Il paper introduce REALM, un framework basato su agenti MLLM che esegue la segmentazione e l'editing 3D in mondi aperti su rappresentazioni Gaussian Splatting, utilizzando una strategia di grounding spaziale globale-locale per interpretare istruzioni complesse senza necessità di un addestramento specifico 3D.
Questo articolo propone algoritmi di campionamento e un metodo asincrono deterministico per massimizzare l'opinione complessiva nelle reti sociali modificando strategicamente le opinioni interne dei nodi chiave, superando i limiti computazionali dei metodi tradizionali con elevata efficienza e precisione anche su dataset di grandi dimensioni.
Lo studio dimostra che i nodi sovrapposti nelle strutture a "cerchi" delle reti complesse esercitano un'influenza superiore rispetto ai nodi non sovrapposti durante i processi di diffusione, evidenziando come la definizione di tali cerchi e la loro importanza topologica siano cruciali per comprendere la dinamica della diffusione.
Il paper presenta Compiler.next, un nuovo compilatore basato sulla ricerca progettato per generare automaticamente software funzionante a partire da intenti umani ottimizzando architetture cognitive e parametri, con l'obiettivo di democratizzare lo sviluppo software nell'era dell'ingegneria guidata dall'IA.
Il paper propone ADC-SID, un framework che migliora la generazione robusta di ID semantici nei sistemi di raccomandazione adattando l'allineamento tra contenuto e comportamento e ponderando dinamicamente i segnali collaborativi per mitigare il rumore e migliorare la generalizzazione sugli elementi a coda lunga.
Il paper presenta EyeAgent, il primo sistema di intelligenza artificiale agenziale multimodale per l'oftalmologia che, integrando un modello linguistico con 53 strumenti specializzati, fornisce supporto decisionale clinico interpretabile e migliora significativamente l'accuratezza diagnostica e la qualità dei referti, specialmente tra gli oftalmologi junior.
Il documento valuta diversi codec di compressione audio, sostenendo che gli utenti dovrebbero considerare non solo l'efficienza di compressione ma anche la qualità percettiva sonora per scegliere lo schema di compressione più adatto.
Il paper presenta X-WIN, un modello mondiale innovativo per le radiografie toraciche che apprende la conoscenza volumetrica 3D dai tomografi computerizzati (CT) prevedendo le loro proiezioni 2D nello spazio latente, superando così i limiti delle immagini piane e migliorando le prestazioni in compiti diagnostici a valle.
Il paper presenta MergeVLA, un'architettura VLA progettata per il merging di modelli che risolve le sfide dell'addestramento multi-abilità attraverso l'uso di adapter LoRA attivati sparsamente e blocchi di attenzione incrociata, consentendo a un agente generalista di superare le prestazioni dei singoli esperti finetunati su diverse piattaforme robotiche.
Il paper presenta COVec, un nuovo framework di vettorizzazione illuminazione-consapevole ispirato al principio del chiaroscuro che, decomponendo le immagini in livelli intrinseci di albedo, ombra e luce, supera i limiti dei metodi esistenti garantendo una maggiore fedeltà visiva e migliorata modificabilità per immagini reali complesse.
Il paper introduce AD-R1, un framework di apprendimento per rinforzo in ciclo chiuso che utilizza un "Modello di Mondo Imparziale" addestrato tramite sintesi controfattuale per prevedere onestamente i pericoli e ridurre significativamente le violazioni di sicurezza nella guida autonoma end-to-end.
Il paper presenta TEAR, un framework di red-teaming automatizzato e consapevole del tempo progettato per identificare rischi di sicurezza specifici nella generazione di video dinamici, ottenendo un tasso di successo degli attacchi superiore all'80% su vari modelli Text-to-Video.
Questo articolo presenta algoritmi randomizzati che calcolano approssimazioni del massimo clique in grafi di dischi con tempi di esecuzione quasi lineari, offrendo una soluzione quasi lineare per i grafi di dischi unitari e uno schema di approssimazione parametrizzato per grafi con raggi distinti.
Il paper presenta AEIC, un nuovo framework di compressione asimmetrica che utilizza un encoder leggero e un decoder basato su diffusione in un singolo passo per ottenere ricostruzioni ad alta fedeltà a bitrate ultra-bassi, garantendo al contempo un'elevata efficienza di codifica adatta ai dispositivi edge.
Questo lavoro presenta un metodo di controllo basato sull'apprendimento per rinforzo che permette a un manipolatore aereo sottodimensionato e leggero di raggiungere un controllo preciso della posa dell'organo terminale in sei gradi di libertà, dimostrando robustezza e accuratezza anche in compiti di manipolazione fisica complessi.
Questo lavoro introduce SVBench, il primo benchmark per valutare la capacità di ragionamento sociale dei modelli di generazione video, rivelando attraverso una valutazione su larga scala che, nonostante i progressi nel realismo visivo, i sistemi attuali faticano ancora a produrre comportamenti socialmente coerenti e psicologicamente fondati.
Il paper presenta Cosmos-H-Surgical, un modello di mondo che genera dati sintetici video-azione da un vasto corpus di video chirurgici non etichettati, permettendo l'addestramento di politiche robotiche che superano le prestazioni ottenute con i soli dati reali.
Il paper propone AFTER, un metodo che mitiga le allucinazioni degli oggetti nei Large Vision-Language Models tramite un'editing adattiva delle attivazioni guidata da fatti, combinando un'orientazione delle attivazioni potenziata da dati fattuali e un'ottimizzazione adattiva specifica per la query.