5768 artigos
Os autores propõem os mapas de Interação Luz-Geometria (LGI), uma nova representação que codifica a oclusão sensível à luz a partir de mapas de profundidade monoculares, permitindo um pipeline unificado para geração conjunta de sombras e realimentação de iluminação que supera as limitações de métodos anteriores ao garantir consistência física e realismo em imagens sintéticas e reais.
O artigo apresenta o PhotoAgent, um sistema autônomo de edição fotográfica que utiliza planejamento estético explícito e busca em árvore para decompor tarefas complexas e refinar resultados iterativamente, validado por um novo benchmark chamado UGC-Edit que demonstra superioridade em aderência a instruções e qualidade visual em comparação com métodos existentes.
O artigo apresenta o OmniGAIA, um novo benchmark para avaliar agentes de IA omni-modais, e o OmniAtlas, um agente fundacional nativo capaz de raciocínio complexo e uso de ferramentas integrando visão, áudio e linguagem para interações do mundo real.
O artigo apresenta o HELMLAB, um espaço de cor analítico e orientado por dados com 72 parâmetros projetado para sistemas de design de interface, que supera o CIEDE2000 na precisão da distância perceptual ao incorporar correções de Fourier, ajustes Helmholtz-Kohlrausch e neutralidade garantida, oferecendo também utilitários para mapeamento de gamut e adaptação a temas claros e escuros.
O artigo apresenta o AgentVista, um novo benchmark que avalia agentes multimodais gerais em cenários visuais realistas e complexos, exigindo uso híbrido de ferramentas e raciocínio de longo prazo, revelando lacunas significativas no desempenho dos modelos mais avançados atuais.
O artigo apresenta o V-MORALS, um método que utiliza ferramentas topológicas em um espaço latente aprendido a partir de trajetórias baseadas em imagens para estimar Regiões de Atração (ROA) em sistemas robóticos sem depender do conhecimento completo do estado ou de modelos dinâmicos pré-definidos.
Os autores propõem a HMKGN, uma rede gráfica hierárquica e multi-escala que utiliza atenção guiada por conhecimento para modelar relações espaciais e interações multi-escala em imagens de lâminas inteiras, superando os métodos existentes na previsão de sobrevivência do câncer em múltiplos coortes do TCGA.
O artigo apresenta o sistema AoE, uma solução de baixo custo e escalável que utiliza smartphones montados no pescoço e uma arquitetura colaborativa entre nuvem e dispositivo para coletar e processar dados de interação egocêntrica em larga escala, visando superar a escassez de dados para o treinamento de modelos fundamentais de IA corporificada.
Este estudo demonstra que, na detecção de Parkinson prodromal baseada em fMRI com extrema escassez de dados, a avaliação rigorosa ao nível de sujeito revela que redes neurais convolucionais leves, como o MobileNet, generalizam melhor do que arquiteturas profundas, evitando o vazamento de informações e a superestimação de desempenho comuns em divisões ao nível de imagem.
Este artigo apresenta o Framework Certainty-Validity (CVS), uma nova métrica diagnóstica para sistemas de compromisso discreto que identifica e combate a falha de "confiança incorreta" (hallucinação) ao priorizar a distinção entre certeza e validade, demonstrando que a recusa do modelo em comprometer-se com dados ambíguos é uma característica desejável que deve ser preservada para evitar o sobreajuste benigno.
Este artigo apresenta uma ferramenta de código aberto que automatiza a verificação de qualidade de dados de sensores para veículos ferroviários, detectando nove erros comuns com alta precisão para reduzir o trabalho manual e acelerar o desenvolvimento de sistemas de condução autônoma.
Este artigo apresenta o MMCoT, um framework de baixo custo baseado em modelos de linguagem visuais e raciocínio modular em cadeia que melhora significativamente a pré-avaliação automatizada de Certificados de Desempenho Energético (EPC) em cenários com dados limitados.
O artigo apresenta o VoxelDiffusionCut, um método que utiliza um modelo de difusão para estimar iterativamente a estrutura interna de objetos a partir de superfícies de corte observadas e planejar cortes não destrutivos para a extração segura de componentes-alvo, superando as limitações de incerteza e colapso de modos de modelos generativos convencionais.
Este artigo apresenta a MSAAN, uma rede de super-resolução de imagem leve e eficiente que utiliza um módulo de atenção adaptativa multi-escala para equilibrar alta fidelidade de reconstrução e baixa complexidade, superando ou competindo com os métodos mais avançados em benchmarks padrão com menor custo computacional.
O artigo apresenta o BiSe-Unet, uma arquitetura leve de rede U-Net dual-path com contexto refinado por atenção, capaz de realizar segmentação de imagens médicas em tempo real com alta precisão em dispositivos de borda, como o Raspberry Pi 5.
O artigo apresenta a NovaLAD, um pipeline de extração de documentos otimizado para CPU e projetado para IA generativa, que combina modelos YOLO concorrentes, classificação de imagens e OCR para alcançar desempenho superior em benchmarks como o DP-Bench sem depender de GPUs.
O artigo apresenta o CT-Flow, um framework agênico que utiliza o Protocolo de Contexto de Modelo (MCP) para orquestrar workflows de interpretação de CT 3D através do uso dinâmico de ferramentas, superando abordagens estáticas e alcançando desempenho superior em benchmarks específicos.
O QuickGrasp é um sistema local-first com aumento sob demanda na borda que reconcilia o compromisso entre precisão e latência em modelos de vídeo-linguagem, utilizando tokenização acelerada e configurações adaptativas para alcançar a precisão de modelos grandes com até 12,8 vezes menos atraso na resposta.
Este trabalho apresenta uma metodologia não supervisionada baseada em autoanotação que utiliza algoritmos de superpixels e redes neurais convolucionais para realizar a segmentação semântica de imagens de tomografia computadorizada de concreto de baixo contraste, contornando a necessidade de dados de treinamento rotulados.
Este estudo avalia a capacidade de métricas morfométricas urbanas e sua fusão com imagens de satélite para prever Zonas Climáticas Locais (LCZ), concluindo que, embora as métricas capturam uma gama mais ampla de propriedades urbanas, a relação entre essas características e as LCZs é frágil e inconsistente, exigindo cautela na aplicação do framework em estudos morfológicos.