4749 artigos
Este artigo propõe o "Dual-LoRA Controllable Diffusion", um framework unificado de difusão guiado por centróides que utiliza adaptadores LoRA especializados para realizar simultaneamente a conclusão de estruturas locais e a síntese global em imagens de histopatologia, superando os métodos existentes ao garantir maior fidelidade estrutural e realismo morfológico com baixo custo de anotação.
Este artigo apresenta o Partial Vision Mamba (PVM), um novo componente arquitetural que adapta os princípios de convoluções parciais para o modelo State-Space Mamba, permitindo que redes neurais processem eficientemente dados de visão computacional com regiões inválidas ou faltantes em tarefas como completamento de profundidade, inpainting de imagens e classificação.
O artigo apresenta o PinPoint, um novo benchmark abrangente para Recuperação de Imagens Compostas (CIR) que inclui múltiplas respostas corretas, negativos explícitos e testes de robustez, revelando limitações significativas nos métodos atuais e propondo uma solução de reranking baseada em MLLM para superá-las.
Este trabalho apresenta o modelo SGR3, uma estrutura sem treinamento que utiliza modelos de linguagem grandes multimodais com recuperação aumentada para gerar grafos de cena 3D sem reconstrução explícita, alcançando desempenho competitivo ao integrar informações recuperadas diretamente no processo de geração de tokens.
O Spinverse é um método de reconstrução de microestrutura a partir de ressonância magnética de difusão que utiliza um simulador de Bloch-Torrey totalmente diferenciável para inferir permeabilidades em faces de uma malha tetraédrica, permitindo a emergência de interfaces microestruturais sem alterar a conectividade da malha.
Este estudo demonstra que uma abordagem multimodal, combinando recursos visuais e textuais com o modelo GPT-4.1-nano, supera métodos unimodais na previsão da dificuldade de itens de testes de alfabetização em visualização de dados para adultos dos EUA, evidenciando o potencial dos modelos de linguagem para análise psicométrica e desenvolvimento automatizado de itens.
Este trabalho propõe o método sFRC (Fourier Ring Correlation em pequenas regiões), que analisa a correlação entre imagens restauradas por aprendizado profundo e suas referências em pequenos patches para detectar e quantificar alucinações em tarefas de restauração de imagens médicas, como super-resolução e reconstrução de CT e MRI.
O artigo propõe o PulseFocus, um método de inferência sem treinamento que mitiga os padrões de atenção difusa e o viés posicional em modelos de linguagem e visão (VLMs) de raciocínio, melhorando significativamente o desempenho em tarefas de compreensão de múltiplas imagens ao estruturar o raciocínio em blocos de planejamento e foco com gateamento de atenção suave.
Este estudo apresenta uma avaliação sistemática de métodos de compressão de redes neurais — especificamente poda, quantização e destilação de conhecimento — para classificação de imagens hiperespectrais, demonstrando que é possível reduzir significativamente o tamanho e o custo computacional dos modelos mantendo um desempenho competitivo em plataformas de recursos limitados.
Este estudo avalia a viabilidade de modelos de linguagem multimodal para detecção de anomalias em vídeo em cenários reais, revelando que, embora instruções específicas possam melhorar significativamente o desempenho, os modelos apresentam um viés conservador que limita severamente a recall, tornando-os ainda inadequados para aplicações de vigilância sem ajustes adicionais.
O artigo propõe o FOZO, um método inovador de otimização de prompts sem retropropagação para adaptação em tempo de teste que, ao utilizar estimativas de gradiente de ordem zero e estatísticas de recursos intermediários, supera métodos baseados em gradiente e técnicas existentes em cenários com recursos limitados e modelos quantizados.
O artigo apresenta o Real-IISR, um novo framework autoregressivo unificado e o conjunto de dados FLIR-IISR para super-resolução de imagens infravermelhas em cenários reais, projetados para superar as limitações de simulações anteriores ao reconstruir estruturas térmicas e de fundo com consistência física através de módulos de orientação térmico-estrutural e correção de viés de degradação.
Este comentário de panorama avalia a família GPT-5 como raciocinador clínico multimodal, demonstrando avanços significativos na síntese de dados textuais e de imagem que superam o GPT-4o, mas revelando que, embora represente um progresso em direção ao raciocínio integrado, os modelos generalistas ainda não substituem sistemas especializados em tarefas críticas de percepção como neurorradiologia e mamografia.
Este artigo apresenta a arquitetura GAMDSS, uma estratégia inovadora de seleção dinâmica de quadros-chave que melhora o reconhecimento de microexpressões ao mitigar erros de anotação humana, especialmente em cenários multiculturais, sem aumentar o número de parâmetros do modelo.
Este artigo apresenta o DSA-SRGS, o primeiro framework de gaussian splatting com super-resolução para reconstrução dinâmica de angiografia por subtração digital (DSA) a partir de vistas esparsas, que integra aprendizado de textura multi-fidelidade e densificação radiativa sub-pixel para recuperar detalhes vasculares finos e superar as limitações de resolução das abordagens existentes.
O artigo apresenta o MADCrowner, um framework de geração de malhas dentárias que combina deformação de templates baseada em contexto anatômico e segmentação precisa da margem cervical para superar as limitações de resolução e precisão dos métodos atuais de design de coroas dentárias.
Este relatório técnico apresenta a Privacy Camera 2.0, um novo framework de percepção que equilibra privacidade e segurança ao transformar imagens brutas em vetores de características abstratos e irreversíveis na borda, permitindo a reconstrução semântica de comportamentos na nuvem sem expor dados visuais originais.
O artigo propõe o RMK RetinaNet, um detector de objetos orientados para imagens de sensoriamento remoto que supera limitações de campo receptivo, fusão de características e regressão angular através de um bloco de kernel multi-escala, atenção contextual direcional, um caminho bottom-up e um módulo de codificação de ângulo de Euler, alcançando desempenho robusto e competitivo em múltiplas escalas e orientações.
O artigo apresenta o framework LAW & ORDER, que utiliza adaptadores espaciais para melhorar a geração de imagens médicas e a segmentação ao corrigir desequilíbrios espaciais, resultando em ganhos significativos de qualidade sintética e precisão de segmentação com custo computacional reduzido.
Esta revisão compara métodos tradicionais e de aprendizado profundo para segmentação e classificação de gliomas cerebrais em imagens de ressonância magnética, concluindo que as arquiteturas de redes neurais convolucionais superam as técnicas convencionais.