cs.CV artigos | Gist.Science

FermatSyn: SAM2-Enhanced Bidirectional Mamba with Isotropic Spiral Scanning for Multi-Modal Medical Image Synthesis

O artigo apresenta o FermatSyn, um novo método para síntese de imagens médicas multimodais que combina um codificador baseado no SAM2, um módulo de downsampling residual hierárquico e uma estratégia de varredura em espiral de Fermat bidirecional para superar as limitações de consistência anatômica global e detalhe local, demonstrando desempenho superior e utilidade clínica em diversos conjuntos de dados.

Feng Yuan2026-03-02⚡ eess

On the use of Graphs for Satellite Image Time Series

Este artigo examina a integração de métodos baseados em grafos na análise de séries temporais de imagens de satélite, apresentando um pipeline versátil para modelar interações espaciais e temporais em nível de objeto, com revisões abrangentes e estudos de caso que demonstram seu potencial para mapeamento de cobertura do solo e previsão de recursos hídricos.

Corentin Dufourg, Charlotte Pelletier, Stéphane May + 1 more2026-03-02💻 cs

Efficient Degradation-agnostic Image Restoration via Channel-Wise Functional Decomposition and Manifold Regularization

O artigo apresenta o MIRAGE, um quadro de restauração de imagens eficiente e agnóstico à degradação que combina decomposição funcional por canal e regularização de variedade para alcançar desempenho superior e escalabilidade em cenários diversos.

Bin Ren, Yawei Li, Xu Zheng + 6 more2026-03-02💻 cs

OmniFall: From Staged Through Synthetic to Wild, A Unified Multi-Domain Dataset for Robust Fall Detection

O artigo apresenta o OmniFall, um benchmark unificado e multi-domínio que combina dados de quedas encenadas, sintéticas e reais (in-the-wild) com anotações densas padronizadas, permitindo o desenvolvimento e avaliação de modelos robustos de detecção de quedas que generalizam para ambientes não controlados enquanto preservam a privacidade.

David Schneider, Zdravko Marinov, Zeyun Zhong + 5 more2026-03-02💻 cs

Cora: Correspondence-aware image editing using few step diffusion

O artigo apresenta o Cora, um novo framework de edição de imagens baseado em difusão que utiliza correção de ruído consciente de correspondência e mapas de atenção interpolados para realizar edições estruturais complexas com alta fidelidade na preservação de texturas, pose e identidade.

Amirhossein Alimohammadi, Aryan Mikaeili, Sauradip Nag + 3 more2026-03-02💻 cs

ECAM: A Contrastive Learning Approach to Avoid Environmental Collision in Trajectory Forecasting

Este artigo apresenta o ECAM, um módulo baseado em aprendizado contrastivo que pode ser integrado a modelos existentes de previsão de trajetória humana para melhorar significativamente a capacidade de evitar colisões com obstáculos ambientais, reduzindo a taxa de colisão em até 50% nos conjuntos de dados ETH/UCY.

Giacomo Rosin, Muhammad Rameez Ur Rahman, Sebastiano Vascon2026-03-02💻 cs

LLM-Enhanced Multimodal Fusion for Cross-Domain Sequential Recommendation

O artigo propõe o LLM-EMF, uma abordagem inovadora para recomendação sequencial multodomínio que integra conhecimento de Grandes Modelos de Linguagem e dados multimodais (texto e imagem) por meio de um mecanismo de atenção múltipla, demonstrando superioridade em quatro conjuntos de dados de comércio eletrônico ao capturar preferências complexas de usuários.

Wangyu Wu, Zhenhong Chen, Wenqiao Zhang + 5 more2026-03-02💻 cs

Distilling Balanced Knowledge from a Biased Teacher

O artigo propõe o LTKD, um novo framework de distilação de conhecimento que mitiga o viés de modelos treinados em distribuições de cauda longa ao decompor a função de perda e reequilibrar as contribuições entre classes frequentes e raras, superando assim os métodos existentes em precisão geral e de cauda.

Seonghak Kim2026-03-02💻 cs

Empowering Small VLMs to Think with Dynamic Memorization and Exploration

O artigo apresenta o DyME, um novo paradigma de treinamento que equilibra dinamicamente a memorização via ajuste fino supervisionado e a exploração via aprendizado por reforço, complementado por supervisão visual, para capacitar Modelos Visuais-Linguísticos de pequena escala a desenvolver capacidades de raciocínio robustas em tarefas especializadas.

Jiazhen Liu, Yuchuan Deng, Long Chen2026-03-02💻 cs

SelvaBox: A high-resolution dataset for tropical tree crown detection

O artigo apresenta o SelvaBox, o maior conjunto de dados aberto para detecção de copas de árvores tropicais em imagens de drones, demonstrando que seu uso, seja isoladamente ou em treinamento conjunto, permite o desenvolvimento de modelos robustos com alto desempenho em diferentes cenários e resoluções.

Hugo Baudchon, Arthur Ouaknine, Martin Weiss + 5 more2026-03-02💻 cs

Concept-based Adversarial Attack: a Probabilistic Perspective

Este artigo propõe uma nova abordagem de ataque adversarial baseada em conceitos e perspectiva probabilística que, ao operar sobre distribuições em vez de imagens individuais, gera exemplos adversariais diversos e eficazes que preservam a identidade do conceito original.

Andi Zhang, Xuan Ding, Steven McDonagh + 1 more2026-03-02🤖 cs.AI

Knowledge-Guided Machine Learning: Illustrating the use of Explainable Boosting Machines to Identify Overshooting Tops in Satellite Imagery

Este trabalho demonstra o uso de Máquinas de Reforço Explicáveis (EBMs) em uma colaboração humano-máquina para identificar topos de nuvens penetrantes em imagens de satélite, utilizando técnicas de aprendizado de máquina guiado por conhecimento para extrair características escalares e criar um modelo meteorológico totalmente interpretável que incorpora estratégias humanas, mesmo que com uma precisão ligeiramente inferior a abordagens mais complexas.

Nathan Mitchell, Lander Ver Hoef, Imme Ebert-Uphoff + 4 more2026-03-02🤖 cs.LG

pFedMMA: Personalized Federated Fine-Tuning with Multi-Modal Adapter for Vision-Language Models

O artigo propõe o pFedMMA, um novo framework de aprendizado federado personalizado que utiliza adaptadores multimodais para otimizar a eficiência na adaptação de modelos visão-linguagem a dados descentralizados, alcançando um equilíbrio superior entre personalização e generalização com comunicação eficiente.

Sajjad Ghiasvand, Mahnoosh Alizadeh, Ramtin Pedarsani2026-03-02🤖 cs.LG

Conformal Prediction for Long-Tailed Classification

Este artigo propõe novos métodos de predição conformal que superam o dilema entre tamanho do conjunto e cobertura condicional em problemas de classificação com distribuição de cauda longa, introduzindo uma função de pontuação ajustada à prevalência e um procedimento de interpolação para equilibrar a cobertura marginal e condicional.

Tiffany Ding, Jean-Baptiste Fermanian, Joseph Salmon2026-03-02📊 stat

Animal behavioral analysis and neural encoding with transformer-based self-supervised pretraining

O artigo apresenta o BEAST, um novo framework escalável baseado em pré-treinamento auto-supervisionado de transformers que utiliza dados de vídeo não rotulados para melhorar a análise comportamental e o mapeamento neural em diversas espécies, superando a dependência de grandes conjuntos de dados rotulados.

Yanchen Wang, Han Yu, Ari Blau + 5 more2026-03-02🧬 q-bio

Fast Learning of Non-Cooperative Spacecraft 3D Models through Primitive Initialization

Este trabalho apresenta um pipeline que utiliza uma rede neural convolucional para inicializar modelos 3DGS com primitivas a partir de imagens monoculares e poses ruidosas, permitindo o aprendizado rápido e de alta fidelidade de modelos 3D de espaçonaves não cooperativas com custos computacionais drasticamente reduzidos.

Pol Francesch Huc, Emily Bates, Simone D'Amico2026-03-02🤖 cs.LG

DA-Occ: Direction-Aware 2D Convolution for Efficient and Geometry-Preserving 3D Occupancy Prediction in Autonomous Driving

O artigo apresenta o DA-Occ, um novo método de previsão de ocupação 3D para direção autônoma que combina projeção de altura complementar e convolução direcional para superar as limitações de precisão e eficiência dos métodos existentes, alcançando um equilíbrio ideal entre detalhe geométrico e velocidade de inferência.

Yuchen Zhou, Yan Luo, Xiaogang Wang + 3 more2026-03-02💻 cs

AutoDebias: Automated Framework for Debiasing Text-to-Image Models

O artigo apresenta o AutoDebias, um framework automatizado que utiliza modelos visão-linguagem e prompts de neutralização para identificar e mitigar com eficácia ataques de backdoor maliciosos e sutis em modelos de texto-para-imagem, reduzindo drasticamente a taxa de sucesso desses ataques sem comprometer a qualidade ou a diversidade das imagens geradas.

Hongyi Cai, Mohammad Mahdinur Rahman, Mingkang Dong + 7 more2026-03-02💻 cs

Less is More: AMBER-AFNO -- a New Benchmark for Lightweight 3D Medical Image Segmentation

O artigo apresenta o AMBER-AFNO, uma arquitetura de segmentação de imagens médicas 3D que substitui a atenção por operadores neurais adaptativos de Fourier (AFNO) para reduzir a complexidade computacional e o uso de memória, alcançando desempenho de ponta em conjuntos de dados públicos com um modelo compacto.

Andrea Dosi, Semanto Mondal, Rajib Chandra Ghosh + 2 more2026-03-02⚡ eess

AnimateScene: Camera-controllable Animation in Any Scene

O AnimateScene é um framework unificado que integra reconstrução de cenas 3D e animação humana 4D, resolvendo desafios de posicionamento físico, alinhamento de estilo e trajetórias de câmera dinâmicas para gerar vídeos coerentes e detalhados em qualquer cenário.

Qingyang Liu, Bingjie Gao, Weiheng Huang + 10 more2026-03-02💻 cs

← Anterior Próximo →