6226 artigos
O artigo propõe o LoDA, um método de Aprendizado Contínuo baseado em LoRA que utiliza decomposição de subespaço orientada por tarefas e otimização alinhada a gradientes para separar eficazmente direções de compartilhamento e isolamento de conhecimento, superando as limitações de métodos anteriores ao capturar tanto direções compartilhadas quanto específicas de forma robusta.
O artigo apresenta o SKeDA, um framework de marcação d'água generativa para modelos de difusão texto-para-vídeo que supera as limitações de sincronização e distorções temporais através de uma amostragem baseada em permutação de chaves e um mecanismo de atenção diferencial, garantindo alta fidelidade e robustez na extração da marca.
Este estudo de caso demonstra que a abordagem de indução de conceitos para interpretação de neurônios em CNNs, anteriormente validada no conjunto de dados ADE20K, generaliza-se com sucesso para o benchmark de reconhecimento de cenas SUN2012, confirmando sua aplicabilidade mais ampla.
O artigo propõe um método de redução progressiva de tokens, do baixo ao alto, com uma pontuação unificada sensível à linguagem para arquiteturas híbridas de VLMs de vídeo longo, alcançando acelerações significativas no pré-preenchimento sem sacrificar a precisão.
O artigo propõe a AdURA-Net, uma rede neural adaptativa baseada em geometria e aprendizado evidencial que utiliza convoluções dilatadas e uma perda de dupla cabeça para melhorar a classificação de doenças torácicas em conjuntos de dados multilabel, permitindo que o modelo identifique e lide adequadamente com incertezas diagnósticas em cenários clínicos de alto risco.
Esta pesquisa otimiza os modelos SOUP-GAN e CSR-GAN através de modificações arquitetônicas e ajustes de hiperparâmetros para aprimorar a reconstrução de imagens de ressonância magnética de alta resolução, demonstrando que o CSR-GAN se destaca em detalhes de alta frequência e redução de ruído, enquanto o SOUP-GAN oferece imagens com menos ruído e melhor estrutura, ambos contribuindo para diagnósticos médicos mais precisos.
Este artigo propõe o framework FMCT e sua variante eficiente EFMCT, que utilizam Flow Matching determinístico e a reutilização de campos de velocidade para reconstruir imagens de CT a partir de poucas vistas com maior eficiência computacional e qualidade competitiva em comparação aos métodos baseados em difusão.
O artigo apresenta o TACIT, um novo benchmark programático de raciocínio visual que avalia modelos generativos e discriminativos em seis domínios através de tarefas com verificação determinística e distratores estruturalmente plausíveis, eliminando a dependência de prompts de linguagem natural e pontuação subjetiva.
O artigo apresenta o VisRef, um framework de escalonamento em tempo de teste que melhora o raciocínio em modelos multimodais ao re-injetar dinamicamente um conjunto representativo de tokens visuais semanticamente relevantes, superando abordagens anteriores sem a necessidade de ajuste fino baseado em aprendizado por reforço.
Este artigo avalia a eficácia de Patches Adversariais Naturalistas (NAPs) na redução da confiança de detecção de sinais de trânsito em um ambiente físico, utilizando um conjunto de dados personalizado (CompGTSRB) para treinar um modelo YOLOv5 e validando os resultados em um banco de testes Quanser QCar.
Este artigo apresenta um classificador multi-classe inspirado na medição "Pretty Good" (PGM) da teoria quântica para radiômica, demonstrando sua eficácia competitiva e superioridade em tarefas de subtipagem de câncer de pulmão e estratificação de risco de câncer de próstata em comparação com métodos clássicos estabelecidos.
Este artigo apresenta um marco na geração de imagens quânticas ao demonstrar, sem truques de redução de dimensionalidade, que um único gerador quântico de GANs de Wasserstein, impulsionado por circuitos variacionais com viés indutivo e técnicas de ruído aprimoradas, consegue produzir imagens de alta resolução e diversas dos conjuntos de dados MNIST, Fashion-MNIST e Street View House Numbers, estabelecendo um novo estado da arte.
Este artigo propõe o framework AP-PCO, que otimiza conjuntamente a posição e a cor de patches adversariais para atacar sistemas de previsão densa visível-infravermelho, superando as inconsistências espectrais e garantindo eficácia em cenários de caixa preta.
Este artigo apresenta dois novos métodos de alcance passivo no infravermelho de onda longa (LWIR) que utilizam características de absorção de ozônio para estimar e mitigar a radiação refletida, reduzindo drasticamente os erros de medição de mais de 100 metros para 6,8 metros (método quadspectral) e 1,2 metro (método hiperespectral).
Este artigo propõe um novo método para aprendizado multimodal em dados médicos que, ao decompor representações em componentes invariantes e específicos de modalidade e utilizar a Probabilidade de Necessidade e Suficiência (PNS) como objetivo de aprendizado, visa extrair características essenciais que melhoram tanto o desempenho preditivo quanto a robustez do modelo frente à ausência de modalidades.
O artigo apresenta o Proof-of-Perception (PoP), um framework de raciocínio multimodal que utiliza grafos executáveis com garantias de conformidade para fornecer incerteza calibrada em cada etapa, permitindo um controle eficiente de recursos computacionais e reduzindo alucinações em comparação com métodos existentes.
Este artigo propõe um novo quadro de difusão condicional equipado com o Módulo de Incorporação de Controle Estruturado (SCEM), que decompõe imagens de baixa luminosidade em componentes físicos para guiar a melhoria estruturada, alcançando desempenho superior e generalização robusta em múltiplos conjuntos de dados sem necessidade de ajuste fino.
Este artigo apresenta um quadro de planejamento cirúrgico consciente da percepção para próteses visuais corticais que formula a colocação de eletrodos como um problema de otimização diferenciável, melhorando a fidelidade da reconstrução perceptual enquanto garante a segurança vascular e a viabilidade anatômica.
Este estudo apresenta um sistema de detecção de frescor de carne baseado em aprendizado profundo que utiliza segmentação U-Net e classificação com mecanismos de rejeição de dados fora de distribuição, demonstrando que o modelo EfficientNet-B0 alcança a maior precisão (98,10%) em imagens RGB e é viável para implantação em dispositivos móveis.
Este artigo apresenta um novo framework não supervisionado para segmentação semântica em imagens de tomografia computadorizada de raios-X de síncrotron, que elimina a necessidade de anotação manual ao gerar e refinar automaticamente rótulos pseudo-rotulados através de clustering e da abordagem "Unbiased Teacher", resultando em melhorias significativas na precisão e no mIoU.