93 articoli
Questo lavoro propone una tecnica di compressione delle immagini basata sulla sintesi di nuove viste per abilitare il feedback visivo in tempo reale nel controllo remoto di veicoli sottomarini, superando i limiti di larghezza di banda delle comunicazioni acustiche grazie all'uso di modelli di apprendimento automatico e ottimizzazione tramite discesa del gradiente.
Il documento propone un nuovo framework di comunicazione semantica adattiva che, sfruttando l'entropia e lo stato del canale per regolare dinamicamente il tasso di trasmissione e integrando un modello linguistico multimodale (MLLM) per compensare le informazioni perse, ottimizza l'efficienza delle risorse e le prestazioni del compito su canali MIMO Rayleigh.
Il paper presenta LiM-YOLO, un rilevatore di navi ottimizzato per immagini satellitari che migliora accuratezza ed efficienza attraverso uno spostamento dei livelli della piramide delle caratteristiche da P3-P5 a P2-P4 e l'uso di normalizzazione a gruppi, risolvendo così le sfide poste dalla grande disparità di scala e dai rapporti d'aspetto elevati dei bersagli marittimi.
Il paper presenta un framework nativo quantistico per il riconoscimento di immagini su computer analogici a atomi neutri, che trasforma i dati visivi in nuvole di punti sparse per codificarle fisicamente in un array di tweezers programmabili, sfruttando le interazioni di van der Waals e gli osservabili quantistici come il fattore di struttura statico per generare impronte digitali uniche che abilitano il matching e l'apprendimento automatico con un numero ridotto di atomi.
Il paper presenta CoPeDiT, un modello di diffusione latente basato su transformer che, grazie a una percezione autonoma dello stato di completezza dei dati, risolve in modo unificato e robusto i problemi di sintesi 3D delle risonanze magnetiche cerebrali e cardiache senza dipendere da guide esterne.
Questo lavoro propone un framework probabilistico a due stadi che combina la ricostruzione di mappe di incendio corrotte tramite modelli di apprendimento profondo con la previsione della propagazione, dimostrando come tale approccio colmi il divario tra dati di addestramento e osservazioni parziali, ripristinando l'accuratezza predittiva anche in condizioni di grave perdita di informazioni.
Il paper presenta M2Diff, un modello di diffusione multi-modale e multi-task che integra separatamente le scansioni MRI e PET a bassa dose per ricostruire immagini PET a dose standard con maggiore fedeltà, superando i limiti dei modelli esistenti e dimostrando efficacia sia su dati sani che su pazienti con malattia di Alzheimer.
Il paper propone la DFPF-Net, una rete di fusione progressiva dinamicamente focalizzata che combina un transformer a piramide con un modulo di attenzione e rilevamento dei bordi per migliorare l'accuratezza del rilevamento dei cambiamenti nelle immagini satellitari riducendo il rumore globale e locale.
Il paper presenta MetaSpectra+, una fotocamera compatta a metasuperficie in grado di acquisire in un singolo istante dati iperspettrali ad alta fedeltà su tutto lo spettro visibile combinati con immagini HDR o di polarizzazione, superando i limiti di banda e le dimensioni dei dispositivi precedenti.
Questo lavoro estende il framework POLISH per la ricostruzione di immagini interferometriche radio, introducendo strategie di addestramento a patch e trasformazioni di intensità non lineari che permettono di gestire campi visivi ampi e alti rapporti dinamici, migliorando significativamente la scoperta di lenti gravitazionali forti nei dati simulati del DSA.
Questo studio dimostra che la progressione radiologica della fibroelastosi pleuroparenchimale (PPFE) nei programmi di screening per il cancro del polmone è associata indipendentemente a un aumento della mortalità e a esiti clinici avversi, suggerendo che la sua valutazione quantitativa possa fungere da biomarcatore utile per identificare individui ad alto rischio respiratorio.
Il paper presenta KV-Lock, un metodo senza addestramento per i modelli di diffusione video basati su DiT che migliora la qualità del primo piano mantenendo la coerenza dello sfondo, regolando dinamicamente il blocco delle chiavi-valori e la scala della guida condizionale in base al rischio di allucinazione.
Il paper presenta -Occ, un framework innovativo per la previsione dell'occupazione semantica 3D che garantisce resilienza e coerenza strutturale in scenari di guida autonoma con input multivista incompleti, grazie a un modulo di ricostruzione mascherata e a una memoria di caratteristiche che recuperano informazioni mancanti senza compromettere le prestazioni in condizioni ottimali.
Il paper introduce PanoAffordanceNet, un nuovo framework end-to-end e il dataset 360-AGD per il grounding olistico delle affordance in ambienti interni a 360 gradi, superando le sfide delle distorsioni geometriche e della dispersione sematica attraverso modulatori spettrali adattivi e testine di densificazione sferica.
Il paper presenta CycleULM, il primo framework di deep learning unificato e privo di etichette per la microscopia di localizzazione ultrasonora, che supera le limitazioni dei dati reali e del divario simulazione-realtà traducendo i dati CEUS in un dominio semplificato, migliorando significativamente contrasto, risoluzione e precisione di localizzazione dei microbolle con elaborazione in tempo reale.
Il paper presenta PiVOT, un nuovo meccanismo di prompting visivo che sfrutta il modello fondazionale CLIP per generare e raffinare dinamicamente prompt online, migliorando le prestazioni del tracciamento generico di oggetti sopprimendo efficacemente gli oggetti distraenti.
Questo articolo propone un modello di diffusione agnostico rispetto al problema, basato sulla stima del termine guidato tramite MAP, che sfrutta score network preaddestrati e un prior gaussiano per risolvere problemi inversi nell'elaborazione delle immagini con una migliore preservazione dei contenuti rispetto agli stati dell'arte.
Questo studio presenta un algoritmo che fonde immagini MRI multimodali pre-elaborate e segmentate tramite architetture UNET in 2D e 3D, per poi classificarle con un modello ResNet50, ottenendo un'accuratezza del 99,25% nella sottoclassificazione dei gliomi.
Questo studio propone un approccio di deep learning basato su architetture UNET, Inception e ResNet per la segmentazione automatica 2D e 3D dei gliomi, ottenendo risultati superiori (con un'accuratezza fino al 99,77% e un punteggio Dice di 0,9888) che bilanciano efficienza computazionale e precisione spaziale per supportare la diagnosi clinica.
Il paper propone un modello di apprendimento profondo geometrico basato su transformer che, integrando punti di riferimento anatomici in mesh tetraedriche derivanti da risonanza magnetica strutturale, migliora la diagnosi dell'Alzheimer e la previsione della positività all'amiloide cerebrale, riducendo la necessità di scansioni PET costose e invasive.