1863 artigos
O artigo apresenta o PolGS++, um framework de Splatting Gaussiano polarimétrico guiado por física que integra um modelo pBRDF e uma máscara de visibilidade guiada por profundidade para reconstruir com alta eficiência e qualidade superfícies reflexivas, decoplando componentes difusos e especulares sem a necessidade de interseções de rastreamento de raios custosas.
Este artigo investiga como ataques de backdoor são representados em Vision Transformers, identificando uma "direção de gatilho" causal nas ativações do modelo que permite rastrear o processamento de diferentes tipos de gatilhos, analisar sua relação com ataques adversariais e propor um esquema de detecção baseado em pesos para gatilhos sigilosos.
O artigo apresenta o HanMoVLM, um modelo de linguagem e visão de grande escala especializado na avaliação profissional de pinturas chinesas, que utiliza raciocínio passo a passo validado por especialistas e uma função de recompensa para superar a cegueira artística de modelos existentes e servir como verificador de alta qualidade para aprimorar a geração de imagens.
O artigo apresenta o MEDISEG, um novo conjunto de dados com máscaras de segmentação de instância para 32 tipos de comprimidos em 8262 imagens que aborda a falta de complexidade do mundo real em datasets existentes, demonstrando sua eficácia no treinamento de modelos de IA para prevenir erros de medicação e eventos adversos.
O artigo apresenta o BALD-SAM, um framework de aprendizado ativo que utiliza a incerteza epistêmica para selecionar automaticamente as regiões mais informativas para prompts no Segment Anything Model (SAM), superando o desempenho de anotação humana e de baselines em diversos domínios.
Este estudo demonstra que, embora a classificação semântica de comprimidos se adapte rapidamente com poucos exemplos, a robustez de sistemas de reconhecimento em cenários reais de implantação depende criticamente da presença de dados de treinamento realistas e complexos para mitigar falhas na localização e no recall sob condições de oclusão e sobreposição.
O artigo apresenta o REFINED-BIAS, um novo framework de avaliação e conjunto de dados que supera as limitações instáveis e ambíguas do benchmark de conflito de pistas atual, permitindo uma diagnose mais confiável, interpretável e justa dos vieses de forma e textura em redes neurais.
Este artigo apresenta a primeira solução de detecção de presença humana em laptops comerciais que utiliza exclusivamente o hardware Wi-Fi embutido, empregando uma nova técnica de Espectro Doppler Filtrado por Alcance (RF-DS) e um framework de processamento adaptativo para identificar usuários com baixo custo computacional, sem necessidade de sensores externos, infraestrutura de rede adicional ou preocupações com privacidade.
O artigo apresenta o UltrasoundAgents, um quadro hierárquico de agentes múltiplos que simula o fluxo de trabalho clínico no diagnóstico de ultrassom mamário, utilizando uma estratégia de treinamento progressivo para localizar lesões, analisar atributos específicos e realizar raciocínio baseado em evidências para prever categorias BI-RADS e malignidade com maior rastreabilidade e precisão.
O artigo propõe o DIPE, um mecanismo de codificação de posição invariante à distância inter-modal que mitiga o desvanecimento visual em cenários de longo contexto ao preservar a proximidade perceptiva entre tokens visuais e textuais, garantindo uma ancoragem visual estável sem comprometer o desempenho em tarefas de curto contexto.
O artigo propõe o método BiLaLoRA, que combina uma perda direcionada por texto baseada em CLIP para orientação semântica não supervisionada e uma estratégia de LoRA de posicionamento em dois níveis para ajuste fino eficiente, alcançando resultados superiores em tarefas de remoção de neblina em imagens reais.
O artigo apresenta o S2D, um novo pipeline que combina um modelo de difusão eficiente para corrigir artefatos em nuvens de pontos esparsas com uma estratégia de reconstrução robusta, permitindo a geração de cenas 3D de alta qualidade usando o mínimo possível de imagens de entrada.
Este estudo apresenta uma nova arquitetura de RPA para detecção de lesões de câncer oral, demonstrando que a implementação OC-RPAv2, ao utilizar o padrão Singleton e processamento em lote, reduz o tempo de previsão para 0,06 segundos por imagem, oferecendo uma melhoria de eficiência de 60 a 100 vezes em relação aos métodos padrão.
Este artigo apresenta um framework de aprendizado por imitação para toda a vida que utiliza replay latente multimodal e ajuste incremental de recursos para refinar continuamente políticas em tarefas sequenciais, estabelecendo novos recordes nos benchmarks LIBERO com ganhos significativos de desempenho e redução do esquecimento.
O artigo apresenta o CBCTRepD, um sistema de IA generativa bilíngue que, ao ser treinado em um grande conjunto de dados de CBCT oral, demonstra melhorar significativamente a qualidade, a padronização e a precisão clínica dos laudos radiológicos, atuando como uma ferramenta eficaz para reduzir erros de omissão e elevar o desempenho de radiologistas em todos os níveis de experiência.
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 apresenta o Pointy, uma arquitetura leve baseada em transformers que, apesar de ser treinada apenas em 39 mil nuvens de pontos, supera modelos fundacionais maiores e complexos, demonstrando a eficácia de um design cuidadoso e de uma avaliação padronizada no domínio de nuvens de pontos.
Este artigo propõe o modelo SSL-V3, que integra uma avaliação de qualidade de vídeo sem referência ao aprendizado auto-supervisionado em um Transformer de visão para vídeo, utilizando a pontuação de qualidade como fator de ajuste para melhorar a precisão da classificação de vídeo, especialmente em cenários com baixa qualidade visual.
O artigo apresenta o Med-DualLoRA, um framework de ajuste fino federado e eficiente em parâmetros para modelos de fundação em RM cardíaca 3D, que utiliza adaptações LoRA locais e globais para preservar a privacidade dos dados, reduzir custos de comunicação e melhorar o desempenho em ambientes multi-centro heterogêneos.
O artigo propõe o VCR, um novo framework de aprimoramento de imagens em baixa luminosidade que utiliza os módulos de Ajuste Adaptativo de Canal e Alinhamento de Distribuição de Cor para resolver inconsistências entre luminância e crominância, alcançando desempenho superior ao estado da arte em diversos conjuntos de dados.