3744 artigos
O artigo propõe o PromptGate, um framework adaptativo de Aprendizado Federado Ativo que utiliza prompts aprendíveis para purificar pools de dados não rotulados de ruído fora de distribuição em ambientes médicos heterogêneos, garantindo alta precisão na seleção de amostras sem comprometer a privacidade dos dados.
O artigo propõe o ACD-U, um framework de co-ensino assimétrico que combina um Vision Transformer pré-treinado com CLIP e uma CNN, integrando desaprendizagem de máquina para corrigir ativamente erros de seleção e alcançar desempenho de ponta em cenários com rótulos ruidosos.
Este artigo avalia sistematicamente visualizações de classe e atlas de ativação em modelos baseados em transformadores para patologia computacional, demonstrando que, embora essas técnicas revelem estruturas morfológicas coerentes em níveis de tecido e grupos amplos de câncer, sua eficácia diminui em subclasses sobrepostas, refletindo a complexidade intrínseca das representações aprendidas e a variabilidade entre especialistas.
O artigo apresenta o FreeFly-Thinking, um framework de navegação visão-linguagem para drones (UAVs) que integra raciocínio de cadeia de pensamento e uma estratégia de treinamento em duas etapas para melhorar a navegação autônoma em ambientes urbanos complexos.
O artigo apresenta o FastSTAR, um framework de aceleração sem treinamento que utiliza poda de tokens espaciotemporais e atualização parcial para mitigar a explosão de tokens na geração autoregressiva de vídeo, alcançando um aceleramento de até 2,01x com degradação mínima na qualidade.
Este artigo propõe o método SPCP, que melhora a detecção de dados fora de distribuição ao modificar o treinamento de classificadores para depender de padrões de contribuição de parâmetros mais densos e orientados a fronteiras, mitigando assim a superconfiança causada pela dependência excessiva de poucos parâmetros dominantes.
O artigo apresenta o VINO, um framework de aprendizado auto-supervisionado que utiliza um gargalo de informação estrutural e distilação assimétrica em vídeos densos para forçar os modelos a aprenderem representações centradas em objetos, superando a dependência de pistas contextuais e de fundo.
O artigo apresenta o LightMedSeg, uma arquitetura de segmentação médica 3D leve e eficiente que, ao integrar priores anatômicos e mecanismos de roteamento adaptativo, alcança alta precisão com apenas 0,48M de parâmetros, superando as limitações de modelos baseados em Transformer em cenários com restrições de memória e dados.
O artigo apresenta o BATDiff, um modelo de difusão não supervisionado que utiliza uma transformada wavelet bivariate `A Trous` para fornecer orientação estruturada multiescala, resultando em super-resolução de imagens mais nítida e coerente com menos artefatos em comparação com métodos existentes.
O artigo apresenta o HY-WU, um framework de adaptação baseado em memória funcional que gera atualizações de pesos específicas para cada instância a partir de uma condição, evitando a sobrescrita de parâmetros compartilhados e permitindo aprendizado contínuo e personalização instantânea em modelos de base.
O artigo apresenta o FabricGen, um framework end-to-end que gera materiais de tecidos realistas a partir de descrições textuais, decompondo o processo na criação de texturas macro-escalares via modelos de difusão e na síntese de padrões de tecelagem micro-escalares guiados por um modelo de linguagem especializado (WeavingLLM) que respeita os princípios da tecelagem.
O artigo apresenta o PresentBench, um novo benchmark baseado em rubricas de verificação detalhada para avaliação de geração automatizada de slides, que supera os métodos existentes em confiabilidade e alinhamento com preferências humanas, demonstrando também o desempenho superior do NotebookLM nessa tarefa.
O artigo propõe a arquitetura LEPA, que supera as limitações da interpolação em modelos fundacionais geoespaciais ao prever diretamente embeddings transformados geometricamente, permitindo ajustes precisos em imagens de satélite sem a necessidade de recodificação.
O artigo apresenta as Variational Flow Maps (VFMs), um novo framework que permite a geração condicional de imagens de alta qualidade em um único passo ao aprender uma distribuição de ruído adaptada via um modelo de adaptador, superando as limitações de trajetórias iterativas dos modelos de difusão tradicionais para resolver problemas inversos e condicionais com maior eficiência.
Este artigo apresenta o BD-VITON, um novo conjunto de dados focado em vestuário cultural bengali (como sarees, panjabis e salwar kameez) para superar as limitações de generalização dos sistemas atuais de "virtual try-on" em relação a roupas não ocidentais, além de estabelecer e avaliar baselines robustas para modelos como StableViton, HR-VITON e VITON-HD nesse contexto.
O artigo apresenta o MAviS, um assistente conversacional multimodal especializado em aves, composto pelo conjunto de dados MAviS-Dataset, pelo modelo MAviS-Chat e pelo benchmark MAviS-Bench, que juntos superam os modelos de base existentes ao oferecer compreensão detalhada e respostas precisas para mais de 1.000 espécies de aves, integrando áudio, visão e texto para aplicações em conservação da biodiversidade.
Este artigo propõe uma abordagem que combina treinamento adversarial com um bloco de suavização de mapas de características para gerar mapas de saliência mais esparsos, estáveis e confiáveis, superando as limitações de ruído e instabilidade dos métodos tradicionais.
O artigo apresenta o StructSAM, um framework de fusão e recuperação de tokens que preserva a estrutura e o espectro para otimizar os modelos Segment Anything (SAM), reduzindo significativamente o custo computacional sem comprometer a precisão nas bordas e nas regiões de prompt.
O artigo apresenta o Faster-HEAL, um framework colaborativo leve e que preserva a privacidade, capaz de alinhar eficientemente características de veículos autônomos heterogêneos em um espaço unificado por meio de prompts visuais de baixo rank e fusão em pirâmide, superando as limitações de métodos anteriores sem a necessidade de retreinar modelos completos.
Este artigo apresenta um framework leve baseado em gêmeo digital para rastreamento de veículos e previsão de colisões em sistemas de transporte inteligentes, que utiliza apenas detecção de objetos e mapas de trajetória pré-construídos para alcançar alta precisão com baixo custo computacional em dispositivos de borda.