275 articoli
Questo articolo propone una nuova architettura di metasuperfici intelligenti impilate (SIM) spaziotemporali casuali per la connettività downlink massiva, che integra variazioni temporali artificiali per sfruttare la diversità multiutente e riduce l'overhead di feedback tramite uno schema di beamforming basato su informazioni parziali dello stato del canale.
Questo studio dimostra che, per il potenziamento del parlato nello spazio latente dei codec neurali audio, la previsione di rappresentazioni continue supera quella dei token discreti, i modelli non autoregressivi offrono il miglior compromesso tra qualità ed efficienza, e il fine-tuning dell'encoder garantisce le metriche di miglioramento più elevate, sebbene a scapito della ricostruzione del codec.
Il paper presenta WhisperVC, un framework a tre stadi che risolve la sfida della conversione da voce sussurrata a normale in contesti a risorse limitate, disaccoppiando l'allineamento cross-dominio dalla generazione vocale per ottenere risultati di alta qualità e applicazioni in ambito sanitario e di comunicazione privata.
Questo articolo introduce un paradigma di multiplexing per filigrane audio neurali, che combina tecniche parallele e sequenziali (inclusi PA-TFM e MaskNet) per superare i limiti dei metodi singoli e garantire una protezione robusta contro distorsioni sofisticate e attacchi di ricostruzione neurale.
Il paper propone PACS, un metodo di filtraggio della sicurezza basato sulla consistenza del percorso che garantisce il rispetto dei vincoli di sicurezza in tempo reale senza degradare le prestazioni dei modelli di diffusione, mantenendo la coerenza con la distribuzione di addestramento e superando gli approcci reattivi tradizionali.
Lo studio dimostra che in conversazioni diadiche rumorose, i parlanti adattano il loro comportamento comunicativo aumentando la complessità dei gesti manuali e modulando i movimenti della testa e del tronco, mentre gli ascoltatori intensificano i segnali di retroazione per migliorare il rapporto segnale-rumore, sebbene la sincronia tra mano e voce subisca una lieve diminuzione.
Il paper propone un'architettura a piastrelle per il beamforming digitale efficiente in termini computazionali per radar MIMO massicci a banda larga, che combina la riduzione della dimensionalità nello spazio delle onde e un addestramento coordinato dei beamformer MVDR su otto piastrelle per sopprimere efficacemente le interferenze in un sistema radar aereo da 1024 elementi.
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.
Questo articolo presenta la progettazione e l'implementazione di un sistema di localizzazione relativa per SnailBot, un robot modulare auto-ricostituibile, che integra il riconoscimento di marcatori ArUco, l'analisi del flusso ottico e i dati IMU in un framework unificato per garantire un posizionamento preciso e robusto in tempo reale.
Questo lavoro estende la teoria dei polinomi di Lorentz e completamente log-concavi a variational analysis e dinamiche vincolate su coni, introducendo i concetti di coni -Lorentziani e -semipositivi per stabilire nuove condizioni di stabilità di Lyapunov e interpretazioni di dipendenza negativa per sistemi di disuguaglianze variazionali evolutive.
Questo studio presenta la prima indagine sistematica su come le informazioni relative all'accento siano codificate nei token di rappresentazione del parlato discreto (DSRT), proponendo un nuovo framework di valutazione che rivela come la scelta dei livelli e la supervisione ASR influenzino significativamente la preservazione e il recupero di tali informazioni.
Questo lavoro presenta un approccio ibrido che combina sensori tattili multimodali e ottimizzazione delle forze interne per realizzare un controllo reattivo dello scorrimento in prese robotiche multifinger, consentendo una stabilizzazione chiusa in meno di 50 millisecondi.
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 preprint presenta un sintonizzatore basato su rete neurale per il controllo predittivo a modello a stati finiti (FSMPC) di un motore a induzione, che regola i parametri dei loop di velocità e corrente e viene validato sperimentalmente su una macchina a cinque fasi utilizzando dati ottenuti da test a gradino.
Questo articolo introduce il problema del tour ottimale per stazioni base mobili (MOT) nelle reti IoT su vasta area, dimostrando la sua complessità NP-completa e proponendo un'euristica greedy polinomiale che, superando gli approcci esistenti, garantisce la raccolta completa dei dati con costi ridotti e tempi di esecuzione più rapidi.
Questo articolo presenta un nuovo framework gerarchico di pianificazione e controllo che integra un controllo predittivo del modello (MPC) con una legge adattiva indiretta per garantire una robusta trasporto di carichi da parte di robot quadrupedi, validato sperimentalmente su terreni accidentati con carichi fino al 109% della massa del robot.
Questo articolo presenta il SEP-NMPC, un framework di controllo predittivo non lineare che garantisce stabilità e sicurezza per il trasporto di carichi sospesi da UAV in ambienti complessi, integrando vincoli di passività e funzioni di barriera di controllo ad alto ordine per prevenire oscillazioni e collisioni.
Questo articolo propone un metodo distribuito di previsione conformale adattiva e consapevole della formazione, basato su Risk-Aware Mondrian CP, che quantifica in modo dinamico l'incertezza percepita per garantire la sicurezza e il mantenimento del campo visivo nei sistemi multi-robot leader-follower, migliorando le prestazioni di tracciamento rispetto alle tecniche non adattive.
Questo lavoro introduce il primo benchmark di apprendimento continuo senza esempi per la segmentazione audio-visiva e propone il modello ATLAS, che combina condizionamento pre-fusione guidato dall'audio e ancoraggio a basso rango per mitigare l'oblio catastrofico in ambienti dinamici.
Il paper propone la Fattorizzazione Universale del Contenuto del Discorso (USCF), un metodo lineare semplice e invertibile che estrae una rappresentazione del parlato a basso rango preservando il contenuto fonetico e rimuovendo l'identità del parlante, permettendo così una conversione vocale zero-shot competitiva e un addestramento efficiente di modelli di sintesi vocale.