6559 artigos
Este artigo apresenta um novo benchmark centrado em dados, um conjunto de dados público e duas técnicas inovadoras que superam os métodos existentes na identificação, quantificação e classificação de amostras de treinamento com ruído de rótulo em segmentação semântica de imagens de sensoriamento remoto.
O artigo apresenta o IdGlow, um framework inovador sem máscaras baseado em dois estágios que resolve o dilema estabilidade-plasticidade na geração de imagens com múltiplos sujeitos, harmonizando identidades diversas e transformações estruturais complexas, como o envelhecimento, através de agendamento adaptativo de timesteps, síntese de prompts orientada por VLM e otimização direta de preferências (DPO).
O artigo apresenta o CodeAlign, um novo framework de alinhamento eficiente e livre de co-ocorrência que supera o isolamento de modalidades na percepção colaborativa heterogênea através de tradução de características via códigos, alcançando desempenho superior com parâmetros reduzidos e menor carga de comunicação.
Este artigo apresenta o primeiro conjunto de dados dinâmicos de imagens hiperespectrais (DynaSpec), um novo modelo de transformação baseado em propagação de características (PG-SVRT) e um benchmark para reconstrução espectral compressiva em nível de vídeo, superando as limitações de consistência temporal e qualidade de reconstrução dos métodos baseados em imagens.
Este trabalho aborda o desafio da poda de conjuntos de dados 3D, caracterizados por distribuições de classes de cauda longa que tornam conflitantes as métricas de precisão global e média, propondo um método inovador de seleção de subconjuntos com cotas de retenção por classe e supervisão de professores invariante a priores para otimizar simultaneamente ambas as métricas.
O artigo apresenta o RC-GeoCP, o primeiro framework de percepção colaborativa que funde dados de radar 4D e câmeras através de um consenso geométrico para corrigir desalinhamentos e otimizar a comunicação, alcançando desempenho superior com menor sobrecarga de dados.
O artigo propõe o SCVM, um novo quadro de visão modulado por memória que controla a evolução das representações visuais através de um estado de memória recursivo e modulação entre camadas, permitindo melhorias consistentes em tarefas multimodais sem a necessidade de expandir tokens visuais, adicionar codificadores ou ajustar o modelo de linguagem.
O artigo apresenta o HistoSelect, um framework de recuperação do grosseiro ao fino orientado por perguntas que imita o processo de exame dos patologistas ao selecionar regiões de tecido e patches informativos em imagens de lâminas inteiras, resultando em maior eficiência e precisão nas respostas de modelos de linguagem visual para patologia.
Este trabalho propõe um novo framework baseado em uma rede U-Net de duplo canal no espaço k para reconstruir diretamente imagens de ressonância magnética de baixo campo com super-resolução a partir de dados subamostrados, superando métodos baseados no domínio espacial e alcançando qualidade comparável a aquisições completas.
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.