6511 artigos
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.
O artigo apresenta o DiffSOS, um modelo de difusão condicional que utiliza um ControlNet acústico e uma função de perda híbrida para realizar reconstruções de alta fidelidade e em tempo quase real de mapas de velocidade do som em tomografia ultrassônica, superando os métodos existentes ao fornecer também uma estimativa de incerteza pixel a pixel.
O artigo apresenta o SSR, um framework de raciocínio de cena estruturada que integra representações 2D e 3D por meio de um mecanismo de alinhamento leve e geração incremental de grafos de cena, alcançando desempenho de ponta em benchmarks de inteligência espacial com apenas 7 bilhões de parâmetros ao superar modelos muito maiores.
O artigo apresenta o PointAlign, um método de regularização que alinha tokens de nuvem de pontos intermediários com tokens visuais em Modelos Visão-Linguagem 3D para preservar informações geométricas e semânticas, resultando em melhorias significativas em tarefas de classificação e descrição de objetos 3D com baixo custo computacional.
O artigo apresenta o DiffTrans, uma nova estrutura de renderização diferenciável que decompõe e reconstrói com precisão a geometria e os materiais de objetos transparentes em cenas complexas, utilizando FlexiCubes para a geometria inicial e um rastreador de raios recursivo otimizado em CUDA para refinar simultaneamente a forma, o índice de refração e a taxa de absorção de forma eficiente e end-to-end.
O artigo apresenta o Station2Radar, um novo framework de "Query-Conditioned Gaussian Splatting" que funde dados de estações meteorológicas e imagens de satélite para gerar campos de precipitação em tempo real com maior eficiência e precisão, superando significativamente os produtos de precipitação em grade convencionais.
O artigo apresenta o InstructX2X, um modelo editável local e interpretável para geração de imagens médicas contrafactuais que, utilizando o novo conjunto de dados MIMIC-EDIT-INSTRUCTION, evita alterações indesejadas em atributos demográficos ao restringir modificações a regiões específicas enquanto fornece mapas de orientação explicativos, alcançando desempenho superior ao estado da arte em imagens de raio-X de tórax.
O artigo apresenta o Fact-Flow, um framework inovador que mitiga a instabilidade factual na geração de laudos médicos por MLLMs ao separar a identificação de achados visuais da redação do texto, utilizando um LLM para criar automaticamente um conjunto de dados rotulados e demonstrando superior precisão factual em comparação com os modelos mais avançados.
O artigo propõe o TARA, uma estratégia que alinha representações visuais de Modelos Multimodais Grandes com o conhecimento taxonômico de modelos fundacionais biológicos para melhorar a consistência hierárquica e a precisão no reconhecimento de categorias conhecidas e novas.
O artigo propõe o TAP-SLF, um framework unificado e eficiente em parâmetros que adapta modelos de visão fundamentais para análise multi-tarefa de imagens de ultrassom, combinando prompts suaves específicos de tarefa com ajuste fino seletivo nas camadas superiores do encoder para superar desafios de generalização e custo computacional.
Este artigo apresenta o ICLA, um mecanismo de auto-correção interna que utiliza atenção entre camadas para refinar os estados ocultos durante a geração, mitigando efetivamente alucinações em Modelos de Linguagem Visuais Grandes (LVLMs) avançados sem depender de sinais de correção externos.
O artigo apresenta o Mamba-CAD, um modelo generativo auto-supervisionado baseado em arquitetura Mamba que, treinado em um novo conjunto de dados com 77.078 modelos CAD, utiliza representações latentes aprendidas para gerar sequências paramétricas de CAD complexas e de maior comprimento, superando limitações de modelos anteriores.
O artigo apresenta o SesaHand, um método que aprimora a reconstrução 3D de mãos ao gerar imagens sintéticas diversificadas e alinhadas semanticamente e estruturalmente, utilizando inferência de Cadeia de Pensamento para capturar comportamentos humanos e fusão estrutural hierárquica para garantir a coerência entre a mão e o corpo.