6611 artigos
O artigo apresenta o PhotoBench, o primeiro benchmark construído a partir de álbuns pessoais autênticos para superar as limitações da correspondência visual tradicional e promover a recuperação de fotos baseada em raciocínio de intenção personalizada e fusão de múltiplas fontes de dados.
Este artigo introduz um framework teórico de taxa-distorção que utiliza assinaturas geométricas (inclinação e curvatura) para analisar e comparar as trocas entre precisão e robustez na generalização visual, revelando que, embora humanos e redes neurais sigam princípios comuns de compressão, os sistemas biológicos exibem trade-offs mais flexíveis e menos frágeis do que os modelos artificiais modernos.
Este artigo propõe o framework DTI-UIE, uma abordagem de aprimoramento de imagens subaquáticas inspirada em tarefas downstream que, combinando uma rede de dois ramos com atenção orientada a tarefas, uma perda perceptiva específica e um novo conjunto de dados construído automaticamente, supera os métodos tradicionais focados apenas na percepção humana ao otimizar a qualidade das imagens para reconhecimento de objetos e segmentação semântica.
Este artigo propõe a representação de função tensorial contínua fundamentada em operadores neurais (NO-CTR), que supera as limitações dos métodos discretos ao introduzir operadores de modo- não lineares e contínuos para uma representação mais fiel de dados complexos, demonstrando superioridade em tarefas de completamento de dados multidimensionais em diversos cenários.
O artigo apresenta o FireRed-OCR, um framework inovador que transforma modelos VLMs gerais em especialistas em OCR estrutural de alta performance através de uma fábrica de dados "Geometria + Semântica" e uma estratégia de treinamento progressivo de três etapas, alcançando resultados state-of-the-art no benchmark OmniDocBench v1.5.
Este trabalho apresenta o Tiny-DroNeRF, um modelo leve de Campos Neurais de Radiância (NeRF) otimizado para microcontroladores de baixo consumo em nano-drones, que utiliza aprendizado federado para superar as restrições de memória e computação, permitindo a reconstrução 3D densa de ambientes com alta eficiência.
Este trabalho apresenta um método de previsão de trajetória de drones baseado exclusivamente em câmeras de eventos, que extrai a velocidade de rotação das hélices dos dados brutos e a integra em um filtro de Kalman consciente de RPM, superando abordagens de aprendizado e filtros tradicionais na previsão de curto e médio prazo sem depender de imagens RGB ou dados de treinamento.
Este artigo propõe uma representação volumétrica 3D de Campo de Junções (3D FoJ), um prior estrutural livre de treinamento e robusto a ruídos que supera métodos clássicos e neurais na reconstrução e remoção de ruído de problemas inversos volumétricos com baixa relação sinal-ruído, como tomografia computadorizada de baixa dose, tomografia eletrônica criogênica e nuvens de pontos de lidar.
Este artigo propõe e avalia uma nova técnica de aumento de dados chamada C2GMA, que utiliza CycleGANs para traduzir imagens visíveis para o domínio não visível e gerar exemplos interpolados de classes mistas, resultando em uma melhoria significativa na precisão da classificação de imagens de Radar de Abertura Sintética (SAR) com dados limitados.
O artigo apresenta o Dite-HRNet, uma rede leve de alta resolução que utiliza blocos inovadores com convolução dinâmica e modelagem de contexto adaptativo para capturar eficientemente informações multiescala e dependências espaciais de longo alcance, superando redes leves de última geração nas tarefas de estimativa de pose humana nos conjuntos de dados COCO e MPII.
O artigo apresenta o CO^3, um método de aprendizado de representação 3D não supervisionado para cenas externas que utiliza dados cooperativos de LiDAR veicular e de infraestrutura, combinando aprendizado contrastivo com previsão de contexto de forma para superar limitações anteriores e alcançar desempenho superior em tarefas de detecção.
Este artigo propõe um esquema de detecção de falhas para painéis solares fotovoltaicos baseado em uma rede neural convolucional (CNN) treinada, que alcança alta precisão na classificação binária e multiclasse de defeitos, superando modelos anteriores e oferecendo uma solução simples e eficaz para garantir a robustez do sistema.
Este trabalho aborda o problema da superotimização de recompensa em modelos de difusão ao identificar vieses indutivos e de primazia como causas raiz, propondo o algoritmo TDPO-R que explora o viés indutivo temporal e redefina neurônios ativos do crítico para mitigar esses efeitos e melhorar o alinhamento com preferências humanas.
O artigo apresenta o Uni-ISP, uma nova abordagem que unifica o aprendizado de processadores de imagem (ISPs) para diversas câmeras móveis através de embeddings específicos do dispositivo e de um esquema de treinamento inovador, resultando em maior precisão, adaptabilidade e novas aplicações, além de disponibilizar o conjunto de dados FiveCam para validação.
O artigo apresenta o R2GenCSR, um novo framework eficiente para geração de relatórios radiológicos que utiliza o Mamba como backbone visual de complexidade linear e recupera informações contextuais do conjunto de treinamento para aprimorar a representação de características e a geração de relatórios médicos de alta qualidade por meio de Modelos de Linguagem de Grande Escala (LLMs).
O artigo propõe o Shuffle Mamba, um novo modelo de espaço de estado para fusão de imagens multimodais que elimina vieses de varredura fixa através de uma estratégia de embaralhamento aleatório inspirada em Bayes e de uma inversão teórica, demonstrando desempenho superior em diversas tarefas de fusão.
Este artigo propõe o primeiro método para o esquecimento de rótulos em Aprendizado Federado Vertical, utilizando um mecanismo de mixup em nível de representação e otimização baseada em gradiente para garantir a privacidade sem revelar dados sensíveis, mantendo a eficiência computacional e a utilidade do modelo.
O artigo apresenta o Stereo-Talker, um sistema inovador de síntese de vídeo humano 3D acionado por áudio que gera vídeos realistas com sincronização labial precisa e gestos expressivos, utilizando priores de modelos de linguagem para enriquecer a diversidade dos movimentos e um mecanismo de Mixture-of-Experts guiado por priores para garantir estabilidade e controle contínuo de viewpoint.
O artigo propõe o SDPO, um novo quadro de aprendizado por reforço que alinha modelos de difusão de poucos passos a objetivos específicos através de uma otimização baseada em diferenças de recompensa densa e amostragem de trajetória de dupla estado, superando as limitações existentes para gerar imagens de alta resolução com maior eficiência e qualidade.
O TREND é um método inovador de aprendizado de representação 3D não supervisionado para percepção LiDAR que utiliza previsão temporal e campos neurais para gerar embeddings 3D ao longo do tempo, superando significativamente os métodos anteriores em tarefas de detecção de objetos.