2385 artigos
Este trabalho demonstra que o ajuste fino LoRA de modelos de linguagem grandes (LLMs) para sistemas de síntese de fala (TTS) melhora significativamente a qualidade perceptiva, a fidelidade do locutor e a relação sinal-ruído, desde que apoiado por dados de treinamento com diversidade acústica suficiente.
Este artigo propõe o "Historical Consensus Training", um método iterativo que utiliza múltiplas clusterizações de modelos de mistura gaussiana para criar uma barreira histórica no espaço de parâmetros, eliminando permanentemente o colapso posterior em autoencoders variacionais sem depender de restrições arquiteturais ou ajuste de hiperparâmetros.
O artigo propõe o RAD, um novo framework de alinhamento em Aprendizado por Reforço com Feedback Humano (RLHF) que substitui restrições de custo esperado por restrições de Dominância Estocástica de Primeira Ordem dentro de um quadro de Transporte Ótimo, permitindo o controle universal de riscos espectrais e oferecendo maior robustez contra falhas catastróficas e distribuições fora do padrão.
O artigo propõe o CCGE, um método de exploração guiada pela cobertura de contato que utiliza contadores de interações dedo-objeto para gerar recompensas de cobertura e de alcance, melhorando significativamente a eficiência do treinamento e a transferência para o mundo real em tarefas de manipulação destreza de propósito geral.
O artigo apresenta o GroundCount, um framework que integra modelos de detecção de objetos a Modelos Visuais-Linguísticos (VLMs) para mitigar alucinações de contagem, demonstrando que a ancoragem espacial explícita via prompts estruturados supera a fusão de características e melhora significativamente a precisão na maioria das arquiteturas avaliadas.
Este artigo investiga como a Inteligência Artificial atua como catalisador para a inovação na Engenharia de Software, demonstrando através de revisão bibliográfica e estudo empírico que a integração de ferramentas de ML e NLP otimiza práticas ágeis ao automatizar tarefas repetitivas e melhorar a gestão de requisitos, geração de código e testes.
Este artigo analisa os desafios metodológicos e propõe soluções práticas para estudos de melhoria humana com IA de ponta, baseando-se em entrevistas com especialistas que identificam tensões entre as suposições padrão de inferência causal e a natureza dinâmica desses sistemas ao informar decisões de alto risco.
Em uma colaboração interdisciplinar, este estudo caracteriza os mecanismos pelos quais os Modelos de Linguagem Visual (VLMs) preveem estilos artísticos, revelando que a grande maioria dos conceitos extraídos é considerada coerente e relevante por historiadores da arte, embora o sucesso do modelo em alguns casos também possa ser atribuído à sua compreensão formal de características visuais como contrastes de luz e sombra.
O artigo apresenta o IsalGraph, um método que codifica a estrutura de qualquer grafo finito e simples em uma string compacta de nove caracteres, garantindo decodificação válida, invariância a isomorfismos e forte correlação entre a distância de edição de grafos e a distância de Levenshtein nas strings resultantes.
O artigo apresenta o V2M-Zero, um método inovador de geração de música sincronizada com vídeos que, ao alinhar as curvas de eventos temporais de cada modalidade de forma independente, alcança resultados superiores aos modelos baseados em dados pareados sem exigir treinamento cruzado ou pares de dados.
O artigo apresenta o NeFTY, um framework de física diferenciável que utiliza campos neurais para realizar a reconstrução quantitativa 3D de propriedades materiais e a localização de defeitos subsuperficiais a partir de medições térmicas, superando as limitações de métodos tradicionais e redes PINNs em cenários de difusão transitória.
O artigo "LiTo" propõe uma representação latente 3D unificada que tokeniza campos de luz de superfície para modelar simultaneamente geometria e aparência dependente do ponto de vista, permitindo a geração de objetos 3D realistas com efeitos especulares e reflexos consistentes a partir de uma única imagem de entrada.
O artigo propõe um sistema de IA totalmente automatizado que utiliza uma população de agentes inspirados em papéis de estúdio e críticos de LLM alinhados a preferências reais para gerar vídeos de comédia esboçada de alta qualidade, alcançando desempenho próximo ao de produções profissionais.
O artigo apresenta o SDR-GAIN, um método inovador e em tempo real que utiliza redes adversariais generativas para completar a pose de pedestres oclusos em cenários de direção autônoma, superando abordagens convencionais na precisão da recuperação de keypoints e na velocidade de inferência.
O artigo propõe o TSformer-SA, um modelo baseado em Transformer com adaptadores específicos por sujeito e fusão temporal-espectral que melhora a decodificação de interfaces cérebro-computador baseadas em RSVP, reduzindo a necessidade de dados de treinamento e o tempo de preparação para novos usuários.
O artigo apresenta o PnLCalib, um pipeline de calibração baseado em otimização que utiliza um modelo 3D de campo de futebol, pontos-chave e linhas detectadas para superar as limitações dos métodos tradicionais e alcançar maior precisão e robustez na calibração de câmeras em vídeos esportivos de transmissão.
O artigo propõe o DP-IQA, um método pioneiro de avaliação de qualidade de imagem cega que aproveita os priores de modelos de difusão pré-treinados e um processo de destilação de conhecimento para alcançar desempenho superior e generalização em imagens com distorções complexas do mundo real.
Este artigo apresenta o ScenarioFuzz, uma metodologia pioneira de fuzzing baseada em cenários que utiliza redes viárias, mutações especializadas e um modelo de rede neural gráfica para otimizar a descoberta de falhas em sistemas de direção autônoma, reduzindo custos de tempo em 60,3% e identificando 58 bugs em seis sistemas testados.
Este artigo propõe e avalia uma solução de aprendizado por reforço baseada em Q-learning multiagente distribuído para atualizações de mapas de alta definição em redes veiculares, demonstrando que essa abordagem reduz a carga computacional e melhora significativamente a latência em comparação com métodos de agente único.
O artigo propõe o algoritmo CoHet, que utiliza motivação intrínseca baseada em Redes Neurais de Grafos (GNN) para aprimorar a cooperação entre agentes heterogêneos em ambientes de Aprendizado por Reforço Multiagente Descentralizado, superando desafios como observabilidade parcial e escassez de recompensas.