5166 articoli
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.
Il framework Similarity-as-Evidence (SaE) risolve il problema della sovracconfidenza nei Modelli Vision-Language per l'apprendimento attivo medico, calibrando le similarità testo-immagine attraverso una distribuzione Dirichlet per quantificare l'incertezza e selezionare in modo efficiente campioni informativi, ottenendo così prestazioni superiori e una migliore interpretabilità clinica.
Il paper propone un framework di triangolazione guidato da template che integra i confini derivati da immagini in una griglia triangolare regolare, consentendo una discretizzazione stabile e parallela delle PDE con una migliore fedeltà geometrica e una riduzione degli elementi scadenti rispetto ai metodi tradizionali come la triangolazione di Delaunay vincolata.
Il paper presenta SIMSPINE, un framework di simulazione biomeccanica e il primo dataset open-source con annotazioni 3D a livello vertebrale per il movimento della colonna, che colma il divario tra modellazione muscolo-scheletrica e visione artificiale fornendo benchmark e baseline pre-addestrate per la stima anatomica del movimento spinale.
Questo articolo fornisce la giustificazione teorica del framework DRESS, dimostrando che la sua variante -DRESS distingue tutte le coppie CFI e, sotto una specifica congettura strutturale, supera o eguaglia la gerarchia -WL per ogni .
Il paper propone InterNeg, un framework innovativo che migliora il rilevamento di distribuzioni fuori dal dominio (OOD) nei modelli visione-linguaggio (VLM) risolvendo l'inconsistenza delle distanze intra-modalità attraverso una selezione coerente di testi negativi e la generazione dinamica di embedding testuali guidati dalla distanza inter-modalità, ottenendo risultati state-of-the-art su diversi benchmark.
Questo lavoro presenta "Kraken", il primo attacco side-channel fisico che estrae parametri dai Tensor Core delle GPU sia a campo vicino che a campo lontano, dimostrando la vulnerabilità dei modelli di deep learning e dei LLM al furto tramite analisi di correlazione di potenza e fughe elettromagnetiche fino a 100 cm di distanza.