5152 articoli
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.
Questo articolo propone due framework basati su rappresentazioni neurali implicite (INR) per l'analisi volumetrica 3D delle immagini OCT retiniche, permettendo un'interpolazione densa tra scansioni distanti e la creazione di un atlante retinico agnostico rispetto alla risoluzione, superando così i limiti delle metodologie tradizionali bidimensionali e dipendenti dalla risoluzione.
Questo studio introduce OODEval, un benchmark manuale e una metrica unificata (CLUE) per valutare le capacità di progettazione orientata agli oggetti di 29 modelli linguistici, rivelando che, sebbene alcuni modelli raggiungano livelli comparabili agli studenti universitari, mostrano ancora significative carenze semantiche rispetto ai migliori progettisti umani.
PLANING è un framework efficiente per la ricostruzione 3D in streaming che, grazie a una rappresentazione ibrida che disaccoppia primitivi geometrici espliciti e Gaussiane neurali, ottiene simultaneamente alta qualità di rendering e geometria accurata, superando i metodi esistenti in termini di velocità e precisione.
Questa ricerca dimostra che l'ordine di valutazione (prima la recensione o prima il voto) polarizza le recensioni dei consumatori, aumentando i voti estremi per servizi di alta o bassa qualità grazie a euristiche affettive e sforzo cognitivo, un effetto confermato sia da esperimenti controllati che da dati reali di piattaforme come Yelp e Letterboxd.
Il paper presenta Paracosm, un metodo zero-shot e senza addestramento per il recupero di immagini composte che supera i limiti degli approcci attuali generando direttamente l'immagine mentale richiesta tramite un modello multimodale su larga scala e costruendo un "paracosmo" di immagini sintetiche per colmare il divario di dominio con le immagini reali.
KVSmooth è un metodo plug-and-play e privo di addestramento che mitiga le allucinazioni nei modelli linguistici multimodali applicando una regolarizzazione adattiva basata sull'entropia dell'attenzione agli stati nascosti, migliorando così significativamente la coerenza visiva e le prestazioni complessive durante l'inferenza.
Questo articolo analizza empiricamente la letteratura robotica dal 1980 al 2024 per evidenziare la scarsa definizione del concetto di lavori "noiosi, sporchi e pericolosi" (DDD), integrando studi di scienze sociali per proporre un quadro concettuale che guidi la comunità robotica verso una comprensione più informata dell'impatto della tecnologia sul lavoro umano.
ThunderAgent è un sistema di inferenza agenziale semplice, veloce e consapevole del programma che, astruendo i flussi di lavoro come "LLM Programs" e gestendo in modo unificato risorse eterogenee come cache KV e strumenti esterni, supera le limitazioni delle architetture attuali ottenendo significativi miglioramenti nel throughput e nel risparmio di memoria.
OmniVTON++ è un framework di Virtual Try-On universale e privo di addestramento che, integrando morfing strutturato dei capi, guida della posa principale e cucitura continua dei bordi, risolve le sfide di allineamento e coerenza strutturale per ottenere prestazioni all'avanguardia su scenari, tipi di abbigliamento e personaggi diversi senza necessità di riaddestramento.