3830 artigos
O artigo apresenta o FedEU, um framework de otimização federada que utiliza modelagem de incerteza evidencial e incorporações de características específicas do cliente para aprimorar o ajuste fino de modelos fundamentais de visão em imagens de sensoriamento remoto, garantindo agregação global adaptativa e resultados mais robustos em ambientes heterogêneos.
O artigo apresenta o EVLF (Fusão Precoce Visão-Linguagem), um método plug-and-play para distilação de conjuntos de dados baseado em difusão que alinha embeddings textuais e visuais no início do processo de geração, superando a dominância de prompts textuais para produzir dados sintéticos mais fiéis e melhorar a precisão em tarefas de classificação.
Este artigo apresenta uma Rede de Desacoplamento e Recuperação Multimodal que melhora a detecção robusta de objetos 3D ao separar características invariantes e específicas de cada modalidade (LiDAR e câmera) para compensar falhas causadas por corrupção de dados, utilizando uma fusão adaptativa de especialistas que supera os modelos existentes tanto em dados limpos quanto corrompidos.
O artigo apresenta o RobustSCI, o primeiro estudo focado na restauração de imagens comprimidas de vídeo (SCI) a partir de medições degradadas por desfoque de movimento e baixa luminosidade, utilizando um novo benchmark, uma arquitetura com blocos de atenção especializados e uma rede em cascata para superar as limitações dos métodos atuais de reconstrução.
O artigo apresenta o RayD3D, um método inovador que melhora a robustez da detecção 3D multi-visão em cenários do mundo real ao transferir conhecimento de profundidade essencial ao longo de raios ópticos, evitando a propagação de informações irrelevantes do LiDAR e superando modelos existentes sem aumentar os custos de inferência.
O artigo apresenta o DocCogito, um quadro unificado que alinha a cognição de layout com raciocínio fundamentado em nível de etapa para compreensão de documentos, utilizando um torre de layout leve e uma Cadeia Visual-Semântica (VSC) para supervisionar um raciocínio intermediário estruturado e alinhado com evidências regionais, alcançando resultados state-of-the-art em múltiplos benchmarks.
O artigo apresenta o AMR-CCR, um framework de recuperação modular ancorada que resolve o reconhecimento contínuo de caracteres chineses antigos em cenários de crescimento incremental de classes e diversidade de estilos, introduzindo também o benchmark EvoCON para avaliação sistemática.
Este trabalho propõe um framework de difusão latente baseado em esqueleto para geração de formas médicas de alta fidelidade, combinando um autoencoder com módulos de esquelentização e campos implícitos neurais, e apresenta o conjunto de dados de grande escala MedSDF para superar as limitações de dados disponíveis.
Este artigo estabelece uma relação unificada entre modelos de derivação (drifting) e modelos baseados em pontuação (score-based), demonstrando que a derivação com kernel Gaussiano equivale a uma formulação de correspondência de pontuação em distribuições suavizadas e fornecendo limites de erro rigorosos para kernels Laplace.
O artigo apresenta o EvolveReason, um paradigma de raciocínio autoevolutivo que combina um conjunto de dados de cadeia de pensamento (CoT-Face), captura de distribuição no espaço latente de falsificações e uma estratégia de exploração por aprendizado por reforço para superar as limitações de alucinação e falta de detalhe dos métodos existentes, oferecendo identificação de deepfakes faciais com alto desempenho e explicações textuais confiáveis.
Este trabalho apresenta o SketchGraphNet, uma arquitetura híbrida de grafos que combina passagem de mensagens local com um mecanismo de atenção global eficiente em memória para reconhecimento de esboços em larga escala, alcançando alto desempenho no novo benchmark SketchGraph sem depender de codificações auxiliares.
O artigo apresenta o ACCURATE, um framework de reconstrução 3D robusto que combina redes neurais de segmentação com um algoritmo de otimização geométrica para reconstruir com alta precisão corpos contínuos longos e finos, como cateteres, a partir de imagens biplanares, superando as limitações de métodos existentes em relação a oclusões e formas complexas.
Este artigo propõe uma abordagem geométrica semântica que recupera a escala métrica absoluta de imagens de UAV usando veículos pequenos como âncoras, permitindo o alinhamento preciso de características com imagens de satélite e melhorando significativamente a robustez da geo-localização cruzada em cenários de escala desconhecida.
O artigo propõe o UniLongGen, uma estratégia de inferência sem treinamento que melhora a geração de imagens interleaved de longo horizonte ao curar dinamicamente o contexto e descartar sinais visuais interferentes, superando assim o colapso na qualidade causado pela acumulação de "poluição" visual.
O artigo apresenta o CONSTANT, um modelo de difusão inovador para geração de escrita manuscrita em uma única amostra que utiliza Quantização Consciente de Estilo e Aprendizado Contrastivo de Patch para superar as limitações existentes na captura de características complexas e diversas da caligrafia humana.
O artigo DreamSAC apresenta um framework que supera a limitação de generalização extrapolação de modelos de mundo aprendidos ao combinar uma estratégia de exploração por simetria, motivada intrinsecamente por um bônus de curiosidade baseado em Hamiltoniano, com um modelo de mundo que utiliza aprendizado contrastivo para identificar leis de conservação a partir de observações brutas, resultando em desempenho superior em simulações físicas 3D.
O artigo apresenta o ReconDrive, um framework feed-forward inovador que adapta o modelo de fundação VGGT para gerar rapidamente representações 4D Gaussianas de alta fidelidade de cenas de direção autônoma, superando as limitações de qualidade dos métodos existentes e a lentidão das otimizações por cena, oferecendo assim uma solução escalável para simulação realista.
Este artigo apresenta um framework baseado em inferência ativa para reconhecimento de microgestos, que utiliza amostragem temporal guiada por Energia Livre Esperada (EFE) e aprendizado adaptativo orientado pela incerteza para superar desafios como baixa amplitude, ruído e variabilidade inter-subjetiva, demonstrando melhorias consistentes no conjunto de dados SMG.
O artigo apresenta o PureCC, um método inovador de personalização de conceitos que utiliza um objetivo de aprendizado desacoplado e um pipeline de treinamento de dupla ramificação para alcançar alta fidelidade na geração de imagens personalizadas enquanto preserva significativamente o comportamento e as capacidades originais do modelo.
O artigo apresenta o Brain-WM, um modelo de mundo pioneiro para glioblastoma que utiliza uma arquitetura inovadora de Mixture-of-Transformers em formato de Y para unificar a previsão de tratamentos e a geração de futuras ressonâncias magnéticas, capturando assim a dinâmica coevolutiva entre o tumor e as intervenções terapêuticas para otimizar os resultados clínicos.