5486 artigos
Este artigo apresenta o Ambient Radio Sensing (ARS), uma abordagem inovadora que utiliza sinais de comunicação 5G existentes para detectar atividades humanas e estimar esqueletos sem interferir nas comunicações, superando a escassez de espectro através de um hardware passivo e um framework de aprendizado cruzado.
Este artigo propõe um método eficaz de aumento de dados para reconhecimento de texto em cenas e manuscritos, que utiliza um framework inspirado em Perguntas e Respostas Visuais (VQA) para gerar tarefas de perguntas estruturadas sobre atributos de caracteres, melhorando significativamente a precisão dos modelos OCR ao promover um raciocínio mais granular.
Este artigo apresenta uma nova tarefa e um framework inovador para a Geração de Grafos de Cena de Tráfego, que utiliza dados de acidentes e informações de profundidade para identificar e priorizar riscos específicos para o veículo, fornecendo assim uma compreensão mais segura e intuitiva de cenários de direção complexos.
O artigo apresenta o DM-CFO, um modelo de difusão que gera composições de dentes 3D realistas e geometricamente consistentes, otimizando simultaneamente o layout e a forma dos dentes ausentes enquanto previne colisões através de regularização baseada em Gaussians 3D.
Este estudo propõe um framework que integra características de aparência e movimento, adaptando o YOLO11 para processar quadros consecutivos e utilizando aprendizado contrastivo baseado em tracklets, a fim de melhorar a detecção e a identificação de pinguins em ambientes de vigilância contínua com desafios visuais e ambientais significativos.
Este artigo propõe um método de estimativa de orientação da cabeça para aprimorar o rastreamento de cavalos selvagens em vídeos aéreos, utilizando caixas delimitadoras orientadas (OBBs) e votação por maioria baseada em IoU para superar as limitações de detecção de direção e garantir a continuidade do rastreamento.
O artigo apresenta o ParaHydra, um novo framework de compressão de imagem multi-visão distribuída que utiliza o mecanismo de atenção OmniParallax para superar os codecs de referência em eficiência de bitrate e velocidade, especialmente à medida que aumenta o número de visões.
Este artigo apresenta o LeafInst, uma nova rede de segmentação de instâncias projetada para análise fenotípica de folhas de árvores jovens em ambientes abertos, acompanhada do primeiro conjunto de dados de benchmark Poplar-leaf capturado por UAV, que supera os métodos existentes em precisão e generalização.
O RAGTrack é um novo framework de rastreamento RGB-T que integra descrições textuais e geração aumentada por recuperação (RAG) para superar limitações de adaptação visual e ruído de fundo, alcançando desempenho de ponta em benchmarks desafiadores.
O artigo apresenta o CoRe-BT, um novo benchmark multimodal que integra ressonância magnética, imagens de patologia e relatórios textuais para aprimorar o diagnóstico robusto de tipos de tumores cerebrais, especialmente em cenários clínicos onde alguns dados podem estar incompletos.
Este artigo apresenta uma estrutura rigorosa para estender operadores neurais a funções fora da distribuição de treinamento, utilizando aproximações de kernel e espaços de Hilbert de núcleo reprodutor para garantir a precisão na captura de valores e derivadas, com validação empírica na resolução de equações diferenciais parciais elípticas em variedades.
Este artigo apresenta um ataque de injeção de prompt baseado em imagens que, ao ocultar instruções adversariais em imagens naturais, consegue manipular com sucesso até 64% das vezes o comportamento de Modelos de Linguagem Multimodais em cenários de caixa preta.
O artigo apresenta o InfinityStory, um novo framework, conjunto de dados e modelo que superam as limitações atuais na geração de vídeos narrativos longos, garantindo consistência visual de fundo, transições suaves entre planos com múltiplos sujeitos e escalabilidade para histórias de longa duração.
O artigo apresenta o SCFlowFR, um método de restauração facial em um único passo que utiliza um acoplamento dependente de dados e restrições de atalho para modelar a relação entre imagens de baixa e alta qualidade, eliminando trajetórias curvas e permitindo inferência rápida com qualidade superior.
Esta dissertação apresenta um quadro de imagem de campo para a caracterização morfológica de agregados de construção, desenvolvendo algoritmos de segmentação e estimativa de volume para partículas individuais, bem como abordagens automatizadas de análise 2D e uma metodologia integrada de reconstrução-segmentação-completamento 3D para analisar e prever as faces ocultas de pilhas de agregados em cenários reais.
O artigo apresenta o InEdit-Bench, o primeiro benchmark dedicado a avaliar a capacidade de raciocínio sobre caminhos lógicos intermediários em modelos de edição de imagem, revelando deficiências generalizadas nos modelos atuais e propondo critérios para impulsionar o desenvolvimento de sistemas multimodais mais inteligentes e conscientes de processos dinâmicos.
O artigo apresenta o MAP, um método inovador de proteção de privacidade facial que utiliza edições emocionais e o ajuste fino de uma rede de pontuação para disfarçar identidades originais, superando abordagens anteriores em fidelidade, adaptabilidade a diversos grupos demográficos e eficácia contra sistemas de reconhecimento facial.
O artigo apresenta o EvoPrune, um método de poda de tokens visuais em estágios iniciais que otimiza a eficiência de modelos multimodais grandes (MLLMs) ao reduzir o custo computacional durante a codificação visual, alcançando um aumento de duas vezes na velocidade de inferência com degradação mínima de desempenho.
Este artigo propõe um modelo de segmentação de pólipos que integra representações em escala de cinza e RGB por meio de interação consistente em frequência no domínio wavelet, superando as limitações de contraste e iluminação para alcançar uma precisão superior na delimitação de fronteiras em quatro conjuntos de dados de referência.
O artigo propõe o ERK-Guid, um método de amostragem para modelos de difusão que utiliza erros de solução de ODE em regiões rígidas como sinal de orientação para estabilizar a geração e superar os métodos atuais.