6563 artigos
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.
O artigo apresenta o PPC-MT, um novo framework paralelo para conclusão de nuvens de pontos que combina uma arquitetura híbrida Mamba-Transformer e uma estratégia guiada por PCA para equilibrar alta eficiência computacional com reconstrução de alta fidelidade, superando os métodos mais avançados em diversos benchmarks.
O artigo apresenta o MMTA, um modelo de atenção temporal que permite a cada quadro assistir a múltiplas janelas temporais simultaneamente, melhorando significativamente a precisão na segmentação de micro-movimentos e transições de fase para a avaliação de reabilitação de AVC, tanto em vídeos quanto em dados de sensores vestíveis.
O artigo propõe o SMART, um novo framework semi-supervisionado baseado em SAM3 que utiliza consistência de movimento e regularização progressiva de confiança para superar desafios como bordas desfocadas e falta de dados anotados, alcançando desempenho superior na segmentação de artérias coronárias em vídeos de angiografia.
Este artigo apresenta um novo quadro de inversão não linear e cego que unifica pela primeira vez a recuperação da anatomia, a síntese de imagens cine de alta resolução e a estimativa de movimento em ressonância magnética com marcação, combinando física de MR e priores generativos profundos para superar desafios como o desvanecimento das marcas e a entrelaçamento entre anatomia e movimento.
O artigo apresenta o VEMamba, um framework eficiente que utiliza um novo paradigma de reordenação de dependências 3D e simulação realista de degradação para realizar reconstrução isotrópica de microscopia eletrônica volumétrica, superando as limitações de métodos existentes ao garantir consistência axial-lateral com menor custo computacional.
O artigo apresenta o pySpatial, uma estrutura de programação visual que capacita modelos de linguagem multimodais a realizar raciocínio espacial zero-shot em 3D através da geração de código Python para interagir com ferramentas espaciais, superando significativamente os modelos de base em benchmarks desafiadores e demonstrando eficácia em navegação robótica real.
Este artigo apresenta o UD-SfPNet, uma rede neural unificada que combina descortinamento de imagens subaquáticas com estimativa de normais de superfície baseada em polarização para realizar reconstrução 3D precisa, superando os desafios da dispersão de luz e alcançando a maior acurácia relatada no conjunto de dados MuS-Polar3D.
Este artigo propõe um algoritmo determinístico hierárquico que extrai exata e eficientemente tesselações retangulares finitas em grades planas através da descoberta de padrões compostos, normalização para formas representativas mínimas e extração de primos, preenchendo uma lacuna na análise simbólica de estruturas repetitivas para aplicações como resolução de quebra-cabeças.
O artigo apresenta o VGGT-Det, o primeiro framework para detecção 3D de objetos em ambientes internos multi-visão sem geometria de sensores, que integra um encoder VGGT em um pipeline baseado em transformer com mecanismos de geração de consultas guiada por atenção e agregação de características orientada por consultas para explorar priores semânticos e geométricos internos, superando significativamente os métodos existentes.
O artigo apresenta o DriveCode, um método inovador de codificação numérica que representa números como embeddings dedicados em vez de tokens de texto, superando as limitações de precisão e eficiência dos modelos de linguagem atuais para melhorar a previsão de trajetórias e a geração de comandos de controle em sistemas de direção autônoma.
O estudo revela que os modelos de linguagem e visão (VLMs) falham ao analisar erros de alunos com dificuldades no benchmark DrawEduMath, indicando que, embora sejam competentes na resolução de problemas matemáticos, carecem de incentivos de desenvolvimento adequados para apoiar efetivamente aplicações pedagógicas.