5308 articoli
Questo articolo presenta un framework di deep learning robusto per il riconoscimento delle targhe bengalesi, che combina un modello di rilevamento YOLOv8 ottimizzato con una strategia di addestramento adattiva e un sistema OCR basato su ViT e BanglaBERT, ottenendo un'accuratezza del 97,83% e dimostrando elevata resilienza in scenari reali complessi.
Il paper introduce SpecOps, un framework di testing completamente automatizzato che utilizza agenti AI specializzati per valutare in modo efficace e scalabile le prestazioni e rilevare bug in agenti GUI reali, superando le soluzioni esistenti in termini di accuratezza ed efficienza.
Il paper presenta HiFIVE, un framework di gestione dati che risolve il problema NP-difficile della riduzione delle piastrelle vettoriali per la visualizzazione geospaziale interattiva su client, garantendo una significativa riduzione delle dimensioni dei dati su scala terabyte senza comprometterne la fedeltà visiva.
Questo lavoro presenta un sistema QEaaS che fornisce entropia quantistica sicura a dispositivi embedded tramite canali post-quantistici, dimostrando che l'autenticazione e lo scambio di chiavi post-quantistici su hardware ESP32 sono non solo fattibili, ma significativamente più veloci delle controparti classiche.
Il paper propone UF-OPS, un metodo di steering on-policy senza aggiornamenti dei parametri che utilizza funzioni verificatrici addestrate su dati di rollout per guidare politiche di base come i modelli diffusion verso azioni più probabili, migliorando significativamente il successo nelle manipolazioni robotiche sia in simulazione che nel mondo reale.
Questo studio analizza il voto a scrutinio istantaneo (IRV) su grafi non pesanti, dimostrando che il riconoscimento e il calcolo delle zone di esclusione sono risolvibili in tempo polinomiale sugli alberi ma rimangono NP-difficili su grafi generali, fornendo inoltre limiti superiori e inferiori per la distorsione utilitaristica in diversi scenari.
Il paper introduce DeepIntuit, un framework che supera i limiti della semplice imitazione nei modelli di classificazione video trasformando l'approccio in un ragionamento intrinco basato su allineamento supervisionato, ottimizzazione tramite GRPO e calibrazione intuitiva per gestire efficacemente le sfide delle istanze aperte.
Il paper introduce ReST-RL, un'architettura di apprendimento per rinforzo gerarchico che, integrando un modulo residuo per la stabilizzazione del carico su una politica di locomozione robusta, risolve con successo il trasporto di carichi su vassoio da parte di umanoidi, garantendo un'eccellente generalizzazione zero-shot dalla simulazione alla realtà su hardware Unitree G1.
Questo studio preliminare applica l'Analisi delle Reti di Transizione (TNA) ai dati di tracciamento oculare raccolti durante simulazioni di arresto cardiaco in realtà virtuale per dimostrare come l'attenzione visiva dei membri del team clinico si ridistribuisca dinamicamente in base ai ruoli e alle fasi dello scenario, offrendo un metodo promettente per valutare la consapevolezza situazionale e migliorare la formazione.
Il documento presenta PRoADS, un framework di steganografia audio basato su modelli di diffusione che garantisce sicurezza e robustezza attraverso l'ottimizzazione dello spazio latente e l'inversione di Eulero all'indietro, ottenendo un tasso di errore dei bit estremamente basso anche dopo la compressione MP3.
Questo studio dimostra empiricamente che i filigrane digitali attuali, operanti esclusivamente nei domini spaziali o latenti, possiedono vulnerabilità ortogonali e mutuamente esclusive che le rendono inefficaci contro gli strumenti di editing generativo moderno, evidenziando così la necessità urgente di architetture crittografiche multi-dominio per garantire una provenienza digitale robusta.
Il paper presenta FC-4DFS, un metodo innovativo per la sintesi di espressioni facciali 4D che garantisce flessibilità e fluidità temporale grazie a una rete LSTM controllata in frequenza e a una rete di spostamento multi-livello basata su meccanismi di cross-attention, ottenendo risultati all'avanguardia sui dataset CoMA e Florence4D.
Il paper presenta "Fuel Gauge", un metodo innovativo che stima in anticipo la lunghezza del ragionamento a catena di pensiero (CoT) nei Modelli Multimodali su larga scala (LMM) analizzando un parametro nascosto, consentendo così un'allocazione più efficiente della memoria e una regolazione ottimale della lunghezza del ragionamento per migliorare le prestazioni e ridurre gli sprechi computazionali.
Il paper propone LM-4DGAN, un modello generativo che utilizza i landmark facciali neutri, un discriminatore di identità e un autoencoder per sintetizzare espressioni facciali 4D robuste rispetto all'identità, migliorando le soluzioni esistenti che si basano su etichette o parlato.
Il paper presenta AgentServe, un sistema di serving per AI agenti su GPU consumer che, attraverso la co-progettazione algoritmo-sistema e l'isolamento delle fasi di prefill e decode, garantisce un'esecuzione multi-agente stabile con riduzioni fino a 2,8 volte nel tempo di primo token e 2,7 volte nel tempo per token rispetto alle soluzioni attuali.
Il paper introduce EmoStory, un nuovo framework a due stadi che genera storie visive coerenti e soggettivamente consistenti guidate da direzioni emotive esplicite, superando i limiti dei metodi esistenti che trascurano l'impatto emotivo sulla narrazione.
Questo paper introduce un quadro unificato basato su un Manifold di Equilibrio parametrizzato e una strategia di "haptic SLAM" che integra stima aptica, pianificazione online e controllo di impedenza adattivo per raggiungere una destrezza simile a quella umana nella manipolazione mediata da strumenti, come dimostrato da oltre 260 prove reali di allentamento di viti.
Il paper propone S-HPLB, una strategia di bilanciamento del carico parallelo a livello di testa che sfrutta l'eterogeneità stabile della sparsità nelle teste di attenzione degli LLM per ridurre i tempi di calcolo fino a 2,88 volte senza compromettere la qualità dell'inferenza.
Il paper introduce StyleGallery, un framework di trasferimento di stile personalizzato e privo di addestramento che, attraverso segmentazione semantica, corrispondenza di regioni e ottimizzazione guidata, risolve le limitazioni delle metodologie esistenti garantendo una migliore preservazione del contenuto e una maggiore adattabilità a riferimenti stilistici arbitrari.
Il paper propone un framework unificato che, manipolando i token visivi tramite calibrazione sinergica e causale delle rappresentazioni latenti, riduce efficacemente le allucinazioni nei modelli multimediali senza richiedere riaddestramento, migliorando la precisione POLO del 2% con un lieve sovraccarico computazionale.