5787 artigos
O artigo propõe o framework MoLRE, que especializa modelos fundamentais de imagem médica através de uma mistura de adaptadores de baixo rank e roteamento suave, demonstrando melhorias consistentes na detecção de achados em tomografias computadorizadas de crânio ao longo de seis modelos de ponta, com ganhos particularmente expressivos em modelos de domínio geral e médico.
O artigo apresenta o CoLC, um framework de percepção colaborativa eficiente em comunicação que utiliza amostragem de pontos consciente do foreground e reconstrução de LiDAR para restaurar a completude da cena e superar as limitações de largura de banda, mantendo a robustez em cenários heterogêneos.
O artigo apresenta o SCOUT, um método de reconstrução de tomografia computadorizada espectral que, em regimes de dados ultra-baixos, utiliza geração de pseudo-rótulos baseada em similaridade não local e propriedades conjugadas para obter resultados de alta fidelidade e rápida reconstrução sem depender de dados externos ou pré-treinamento.
O artigo propõe o STMI, um novo framework de Re-Identificação Multi-Modal que integra modulação de características guiada por segmentação, realocação adaptativa de tokens e interação hipergráfica cruzada para superar as limitações de filtragem rígida e fusão simples, resultando em maior robustez e precisão na extração de características discriminativas.
O TokenSplat é um framework feed-forward que realiza a reconstrução 3D e a estimativa de pose de câmeras a partir de imagens multiview sem pose prévia, utilizando um módulo de previsão de Gaussians alinhados a tokens e um decodificador assimétrico para garantir alta fidelidade de reconstrução e precisão de pose sem necessidade de refinamento iterativo.
Este artigo propõe o framework universal de reconhecimento de texto khmer (UKTR), que utiliza uma técnica inovadora de seleção adaptativa de recursos consciente da modalidade para superar a escassez de dados e alcançar desempenho superior em diversos tipos de texto, além de introduzir o primeiro benchmark abrangente para essa tarefa.
Este artigo apresenta o primeiro estudo abrangente sobre detecção de layout em documentos de cena em khmer, introduzindo um novo framework que inclui um dataset de treinamento, uma ferramenta de aumento de dados e modelos baseados em YOLO com caixas delimitadoras orientadas para superar os desafios específicos da escrita khmer.
Este trabalho apresenta a IU, um novo ataque de backdoor universal imperceptível que utiliza redes de convolução gráfica para gerar perturbações específicas por classe, permitindo a injeção de backdoors em múltiplas classes com taxas de envenenamento extremamente baixas (0,16%) e alta eficácia, enquanto mantém a invisibilidade visual e contorna defesas existentes.
Este artigo apresenta um sistema de reconstrução para paredes internas de tubulações industriais que utiliza endoscópios e técnicas de costura de imagens panorâmicas para transformar vídeos anulares em imagens planares detalhadas, otimizando significativamente a eficiência e a precisão na detecção de defeitos em comparação com métodos tradicionais.
O artigo propõe um novo framework de aprendizado anti-colapso de características que, ao preservar múltiplas perspectivas de julgamento e evitar a dependência de poucas pistas salientes, supera os métodos atuais na detecção de imagens geradas, especialmente em cenários de generalização cruzada entre diferentes modelos.
O UniHM é um framework pioneiro que utiliza um modelo de linguagem e visão para planejar manipulação destreza de mãos robóticas a partir de instruções de linguagem livre, empregando um tokenizador unificado para generalizar entre diferentes morfologias e um módulo de refinamento guiado por física para garantir sequências de movimento realistas e fisicamente viáveis.
Este trabalho apresenta um autoencoder difusivo espaço-temporal que gera representações semânticas auto-supervisionadas a partir de imagens de TC cerebral para prever com alta precisão a evolução e o desfecho funcional de pacientes com AVC, superando métodos existentes em um grande conjunto de dados multicêntrico.
Este artigo propõe o TORS, uma estratégia de agendamento de amostragem baseada nas propriedades geométricas dos modelos de difusão que supera métodos existentes sem treinamento, gerando imagens de alta qualidade em apenas 10 passos.
O artigo DUCX apresenta uma auditoria sistemática de agentes de IA que utilizam ferramentas para responder a perguntas sobre radiografias de tórax, introduzindo uma decomposição de justiça em etapas que revela como disparidades demográficas surgem não apenas no desempenho final, mas também em comportamentos intermediários específicos como a exposição a ferramentas, padrões de roteamento e raciocínio, destacando a necessidade de auditorias de justiça em nível de processo para garantir a equidade na implantação clínica.
O artigo propõe o Espaço de Alinhamento Funcional Neural (NFAS), uma estrutura de representação ancorada no cérebro que utiliza a decomposição de modos dinâmicos e o Índice de Consistência Sinal-Ruído para caracterizar e comparar a organização funcional de redes neurais artificiais em diversas modalidades, revelando tanto agrupamentos específicos quanto convergências cruzadas com sistemas neurais biológicos.
O artigo apresenta o ConVOLT, um novo framework de previsão conformal que utiliza características do campo de deformação em segmentações baseadas em modelos para gerar intervalos de incerteza volumétrica mais precisos e eficientes do que os métodos existentes em pipelines de imagem médica.
O NERFIFY é um framework multi-agente inovador que converte automaticamente artigos de pesquisa sobre NeRF em plugins executáveis para o Nerfstudio, garantindo alta qualidade visual e reprodutibilidade em minutos através de uma abordagem específica de domínio que supera as limitações dos modelos de linguagem genéricos.
O artigo apresenta o COMBAT, um modelo de mundo condicional em tempo real baseado em difusão que, ao ser treinado apenas com dados de um jogador em Tekken 3, consegue gerar implicitamente o comportamento reativo e sofisticado de um oponente dinâmico sem a necessidade de supervisão explícita para a política do adversário.
O artigo apresenta o MME, um novo framework de Mistura de Especialistas que utiliza um mecanismo de portão baseado em passeio aleatório e atenção para especializar diferentes modelos em classes específicas de malhas, alcançando resultados state-of-the-art em classificação, recuperação e segmentação semântica.
Os autores propõem o UHDPromer, um Transformer baseado em priores de discriminação neural que explora as diferenças entre características de alta e baixa resolução para restaurar e aprimorar imagens em ultra-alta definição com eficiência computacional e desempenho de ponta.