98 articoli
Questo articolo analizza come le tecniche di editing basate su diffusione, attraverso l'iniezione di rumore e la successiva ricostruzione generativa, indeboliscano o eludano completamente i sistemi di filigrana robusti, dimostrando teoricamente e sperimentalmente che il contenuto del messaggio viene progressivamente cancellato all'aumentare dell'intensità dell'editing.
Il paper presenta HoloPASWIN, un framework di deep learning basato su Swin Transformer e vincoli fisici che risolve efficacemente il problema dell'immagine gemella nella olografia digitale inline, garantendo ricostruzioni robuste e ad alta fedeltà.
Questo studio presenta un sistema avanzato di rilevamento delle luci blu di emergenza basato su quattro telecamere fisheye e un modello RT-DETR potenziato da un blocco di attenzione al colore, che utilizza il dataset ABLDataset per ottenere un'accuratezza del 94,7% e supportare la sicurezza stradale attraverso l'integrazione in sistemi ADAS multimodali.
Questo lavoro presenta un sensore HDR istantaneo basato su un'architettura di pixel non regolare con aperture spazialmente variabili che, combinando aree di integrazione luminosa diverse e una ricostruzione nel dominio di Fourier, permette di acquisire immagini ad alto intervallo dinamico senza artefatti di aliasing.
Lo studio dimostra che l'uso di tecniche di pre-elaborazione come il ritaglio dei polmoni può ridurre l'apprendimento di scorciatoie razziali nei modelli di diagnosi radiografica mantenendo al contempo l'accuratezza diagnostica, evitando così il compromesso tra equità e prestazioni.
Questo articolo presenta un metodo innovativo per la calibrazione generica di fotocamere che, sfruttando vincoli geometrici e un modello di illuminazione parametrico locale, stima simultaneamente le posizioni delle caratteristiche e le funzioni di diffusione del punto spazialmente variabili per gestire efficacemente le immagini sfocate causate dal movimento.
Questo studio propone un modello di consistenza latente multi-volumetrico che, sfruttando rappresentazioni tridimensionali da diversi campi visivi, risolve efficacemente il problema della ricostruzione CT ad angoli limitati garantendo una rapida inferenza e un'elevata precisione nella preservazione delle strutture anatomiche anche in condizioni cliniche variabili e non viste durante l'addestramento.
Questo articolo presenta un sistema di archiviazione DNA per immagini progressive che riduce i costi di lettura sfruttando il campionamento adattivo dei sequenziatori Nanopore per recuperare selettivamente i livelli di risoluzione desiderati senza necessità di PCR.
Il paper presenta ICHOR, un approccio di apprendimento rappresentativo auto-supervisionato basato su masked autoencoder che, addestrato su un vasto dataset multicentrico di mappe CBF ASL, supera i metodi esistenti nel migliorare le prestazioni per compiti diagnostici e di previsione della qualità delle immagini.
GeoTop è un framework matematicamente fondato che unisce l'Analisi Topologica dei Dati e le Curvature di Lipschitz-Killing per risolvere l'ambiguità tra strutture benigne e maligne nell'imaging diagnostico, migliorando significativamente l'accuratezza e l'interpretabilità nella classificazione delle lesioni cutanee.
Il paper presenta Implicit U-KAN 2.0, una nuova architettura di segmentazione medica basata su equazioni differenziali ordinarie neurali del secondo ordine e strati MultiKAN, che migliora l'efficienza, l'interpretabilità e le prestazioni teoriche rispetto ai metodi esistenti.
Questo studio propone la CSASN, una rete di apprendimento multitask basata su un'architettura a doppio ramo con meccanismi di attenzione canale-spaziale, che migliora l'accuratezza nella diagnosi delle rare carcinomi tiroidei mediante immagini ecografiche superando gli squilibri dei dati e le sfide morfologiche.
Questo articolo caratterizza il "Pattern di Rumore di Sfocatura Sintetica" (SDNP) introdotto da Apple nelle foto in modalità ritratto, proponendo un metodo per la sua stima precisa e dimostrando come il suo utilizzo per mascherare le aree interessate migliori l'accuratezza della verifica forense della fonte della fotocamera, riducendo significativamente i falsi positivi.
Il lavoro propone Fast Equivariant Imaging (FEI), un nuovo framework di apprendimento non supervisionato che, sfruttando il metodo dei moltiplicatori di Lagrange e denoiser Plug-and-Play, accelera di dieci volte l'addestramento di reti per la ricostruzione di immagini (come nella tomografia computerizzata e nel completamento) senza dati di riferimento, migliorando al contempo le prestazioni e abilitando l'adattamento al momento del test.
Questo articolo presenta un metodo innovativo basato sulle convoluzioni di omologia persistente che, catturando le caratteristiche topologiche locali dei campioni istopatologici, supera le limitazioni delle architetture CNN tradizionali migliorando l'accuratezza diagnostica e riducendo la sensibilità agli iperparametri.
Questo lavoro introduce il primo benchmark per la segmentazione video basata su azioni in presenza di rumore nelle etichette, proponendo un nuovo meccanismo parallelo per le maschere e un'analisi approfondita delle strategie di apprendimento robuste per l'intelligenza incarnata.
Il paper presenta Cryo-SWAN, un autoencoder variabile basato su voxel e ispirato alla decomposizione wavelet multiscala che migliora la rappresentazione e la generazione di volumi di densità molecolare, colmando il divario tra le tecniche di visione artificiale 3D e l'analisi strutturale biologica nativa.
Questa tesi presenta un quadro di imaging sul campo basato sulla visione artificiale per la caratterizzazione morfologica degli aggregati da costruzione, sviluppando algoritmi avanzati di segmentazione e ricostruzione 3D che superano i limiti dei metodi tradizionali permettendo l'analisi sia di singole particelle che di ammassi complessi in scenari reali.