6478 artigos
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.
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.