5768 artigos
O artigo apresenta o GUARD, um novo framework que mitiga a memorização indesejada em modelos de difusão texto-para-imagem ajustando dinamicamente o processo de geração para evitar a reprodução de dados de treinamento sem comprometer a qualidade da imagem.
O artigo apresenta o TinyVLM, o primeiro framework capaz de realizar detecção de objetos *zero-shot* em microcontroladores com menos de 1 MB de memória, utilizando uma arquitetura desacoplada, distilação de embeddings Matryoshka e armazenamento quantizado para alcançar inferência em tempo real com alta eficiência.
Este artigo apresenta a Latent Replay Detection (LRD), o primeiro framework para detecção contínua de objetos em microcontroladores que supera as restrições de memória através de compressão adaptativa a tarefas e seleção de exemplares espacialmente diversificada, permitindo o aprendizado de novas categorias sem armazenar imagens brutas.
O artigo apresenta o TerrAI, uma solução baseada em redes neurais que utiliza imagens multiespectrais para estimar o nitrogênio em campos de trigo e otimizar a aplicação precisa de fertilizantes, considerando a variabilidade espaço-temporal das parcelas agrícolas.
O artigo apresenta o RADS, um framework de inferência baseado em aprendizado por reforço que utiliza análise de alcançabilidade para desviar o processo de difusão de estados que levam à memorização, mitigando assim a memorização de dados de treinamento em modelos de texto-para-imagem sem comprometer a qualidade ou o alinhamento com o prompt.
O artigo apresenta o ADE-CoT, um framework de escalonamento adaptativo em tempo de teste que otimiza a eficiência e o desempenho da edição de imagens através de alocação dinâmica de recursos, verificação específica para edição e parada oportunista, superando métodos existentes como o Best-of-N com mais de duas vezes a velocidade.
O artigo apresenta o GrapHist, um novo framework de aprendizado auto-supervisionado baseado em grafos para histopatologia que, ao modelar tecidos como grafos celulares heterofílicos, alcança desempenho competitivo em diversas tarefas com quatro vezes menos parâmetros que os modelos de visão tradicionais e supera modelos totalmente supervisionados na subtipagem de câncer.
O artigo propõe o DHVAE, um modelo baseado em difusão latente hierárquica e aprendizado contrastivo que, ao desentrelaçar o contexto global da interação e os padrões de movimento individuais, gera interações humanas em 3D com maior fidelidade, alinhamento semântico e plausibilidade física.
O artigo apresenta o M-Gaussian, um novo framework que adapta o 3D Gaussian Splatting para a reconstrução eficiente e de alta qualidade de volumes de MRI multi-faixa, superando as limitações de velocidade e anisotropia dos métodos existentes.
O artigo propõe um método de ajuste fino LoRA mecanicamente guiado que utiliza Autoencoders Esparsos para reduzir significativamente a inconsistência de respostas em modelos de visão e linguagem médica, diminuindo a taxa de inversão de respostas e a diferença de margem entre paráfrases sem comprometer a precisão clínica.
O artigo apresenta o ReMD, um quadro de difusão consistente com a física que utiliza correção de resíduos multigrid e uma base multi-wavelet para realizar super-resolução de fluidos com maior fidelidade espectral, menor divergência e em menos etapas de amostragem do que os métodos existentes.
Este artigo demonstra que modelos de difusão podem plagiar imagens protegidas por direitos autorais e burlar técnicas de marca d'água através de um método puramente baseado em gradientes, utilizando "âncoras e calços" para gerar réplicas sem necessidade de treinamento adicional.
Este artigo propõe uma arquitetura multiview para prever o progresso de atividades de manipulação robótica, superando as limitações de oclusão de câmeras únicas e demonstrando sua eficácia no Mobile ALOHA para permitir uma interação mais segura e eficiente com humanos.
O artigo apresenta o EfficientPosterGen, um framework de geração de pôsteres acadêmicos automatizados que supera as limitações dos modelos existentes ao utilizar recuperação de informações semanticamente conscientes, compressão de contexto baseada em visualização e detecção de violações de layout sem agentes, resultando em maior eficiência de tokens e confiabilidade no layout.
O artigo apresenta o BiCLIP, um framework inovador para segmentação de imagens médicas que utiliza fusão multimodal bidirecional e consistência de augmentação para superar os métodos atuais, garantindo alta precisão mesmo com dados escassos e na presença de degradações clínicas.
O artigo apresenta o FujiView, um framework de aprendizado multimodal com fusão tardia e um novo conjunto de dados que combinam imagens de webcams e dados meteorológicos para prever com alta precisão a visibilidade do Monte Fuji, estabelecendo um novo marco para a previsão de visibilidade cênica.
O artigo apresenta o FlowPortrait, um framework de aprendizado por reforço que utiliza modelos de linguagem multimodal para otimizar a geração de vídeos de retratos falantes a partir de áudio, resultando em sincronia labial superior, movimentos mais naturais e maior alinhamento com a percepção humana.
Este estudo propõe um modelo robusto de detecção de ervas daninhas em culturas de hortaliças, integrando um backbone DINOv3 pré-treinado com auto-supervisão à arquitetura YOLO26, o que resultou em ganhos significativos de precisão e generalização cruzada, mantendo desempenho em tempo real apesar do aumento de parâmetros.
O artigo apresenta o SKINOPATHY AI, uma aplicação web baseada em smartphones que utiliza visão computacional leve para realizar cinco módulos de rastreio oftalmológico explicáveis e privativos em ambientes com recursos limitados, demonstrando a viabilidade de triagem multi-sinal sem necessidade de inferência em nuvem ou hardware especializado.
O artigo apresenta o GazeXPErT, um conjunto de dados 4D de rastreamento ocular de especialistas em exames FDG-PET/CT oncológicos, projetado para aprimorar a interpretabilidade e o desempenho de modelos de IA através da integração de padrões de busca humana na detecção e localização de tumores.