7551 artigos
Este estudo demonstra que influências contextuais direcionadas alteram significativamente as decisões morais de modelos de linguagem em dilemas do tipo "problema do bonde", revelando que a neutralidade de base não prevê a sensibilidade a viéses e que o raciocínio pode, paradoxalmente, amplificar certos efeitos de influência.
O artigo apresenta o CheXficient, um modelo de fundação para radiografias de tórax que, ao priorizar ativamente amostras informativas durante o pré-treinamento, alcança desempenho superior ou comparável ao de modelos treinados em grandes volumes de dados, utilizando apenas 22,7% dos dados e 27,3% do orçamento computacional, enquanto melhora a generalização em condições raras.
Este artigo apresenta o Diagnóstico-Driven Progressive Evolution (DPE), uma abordagem iterativa que utiliza diagnóstico de falhas para orientar a geração de dados focada em fraquezas específicas, permitindo melhorias contínuas e estáveis em Modelos Multimodais de Grande Escala.
O artigo apresenta o GraspLDP, uma abordagem que aprimora a precisão e a generalização de políticas de apreensão em robótica ao integrar conhecimento prévio sobre a pose de apreensão e um objetivo de reconstrução auto-supervisionado dentro de um framework de difusão latente, superando assim as limitações dos métodos existentes tanto em simulação quanto em robôs reais.
O artigo apresenta o SO3UFormer, uma arquitetura de segmentação semântica panorâmica que supera a sensibilidade à rotação das abordagens atuais ao aprender características esféricas intrínsecas através de mecanismos geométricos inovadores, garantindo desempenho robusto mesmo sob reorientações 3D arbitrárias.
Este artigo propõe um novo problema de Generalização de Domínio Multimodal Semi-Supervisionada (SSMDG) e apresenta um quadro unificado com três componentes principais para aprender modelos robustos a partir de dados multi-fonte com poucas etiquetas, superando as limitações das abordagens existentes e estabelecendo os primeiros benchmarks para essa tarefa.
Este trabalho apresenta o Chain of Flow (COF), uma estrutura generativa fundamental que reconstrói um gêmeo digital cardíaco 4D completo e personalizado a partir de um único ciclo de ECG, integrando dados de ressonância magnética e eletrocardiograma para permitir simulações clínicas abrangentes além de previsões isoladas.
Este artigo apresenta o OSDaR-AR, um novo conjunto de dados público que utiliza realidade aumentada multimodal baseada no Unreal Engine 5 para integrar objetos virtuais fotorrealistas em sequências ferroviárias reais, preenchendo a lacuna de dados anotados de alta qualidade para sistemas de percepção inteligentes.
Este artigo apresenta o WaterVideoQA, um novo benchmark abrangente para perguntas e respostas sobre vídeos em ambientes aquáticos, e o NaviMind, um sistema multiagente neuro-simbólico que permite a embarcações autônomas evoluir da percepção visual passiva para um raciocínio cognitivo complexo e conforme às regras marítimas.
O artigo apresenta o MSJoE, um framework inovador que evolui conjuntamente um modelo de linguagem multimodal e um amostrador de quadros-chave leve por meio de aprendizado por reforço para entender vídeos longos de forma eficiente, alcançando ganhos significativos de precisão em benchmarks existentes.
O artigo apresenta o pMoE, um método inovador de ajuste fino eficiente em parâmetros que combina tokens de prompt especializados e um mecanismo de despacho dinâmico para integrar conhecimentos de múltiplos domínios, resultando em desempenho superior e maior versatilidade em 47 tarefas de adaptação visual, incluindo classificação e segmentação em contextos gerais e médicos.
Este artigo apresenta um framework automatizado que utiliza detecção de objetos, calibração de homografia e rastreamento óptico em vídeos com panorâmica e zoom para reconstruir com alta precisão a velocidade e a taxa de remada de canoas de sprint, oferecendo uma alternativa viável ao GPS para análise de desempenho.
Este projeto apresenta um estudo comparativo que demonstra como mecanismos de atenção e convoluções dinâmicas, especialmente a ODConv, superam as CNNs convencionais em precisão e eficiência em tarefas de classificação, segmentação e análise de séries temporais, oferecendo direções promissoras para o design de arquiteturas neurais adaptáveis.
O artigo apresenta o MM-NeuroOnco, um grande conjunto de dados multimodal e instrucional para ressonância magnética de tumores cerebrais, juntamente com o benchmark MM-NeuroOnco-Bench e o modelo NeuroOnco-GPT, que juntos demonstram melhorias significativas no raciocínio diagnóstico clínico ao superar as limitações de anotação e desempenho dos modelos existentes.
Este estudo piloto avalia o desempenho de agentes multimodais em cenários de "zero-shot" para distinguir doenças visualmente semelhantes, como melanoma versus nevo atípico e edema pulmonar versus pneumonia, demonstrando que um novo framework de arbitragem contrastiva melhora a precisão diagnóstica e reduz alegações infundadas, embora o desempenho ainda seja insuficiente para aplicação clínica direta devido à falta de contexto e incertezas nas anotações.
O artigo apresenta o UCM, um novo framework que unifica o controle preciso de câmera e a consistência de longo prazo em modelos de mundo baseados em geração de vídeo, utilizando um mecanismo de deformação de codificação posicional sensível ao tempo e um transformador de difusão eficiente treinado em mais de 500 mil vídeos.
Este trabalho apresenta um algoritmo automático não paramétrico e não linear baseado em contagem por kernel para quantificar células da microglia em imagens de alta resolução, permitindo treinamento eficiente em pequenos conjuntos de dados heterogêneos, estimativa de incerteza e integração de múltiplas opiniões de especialistas.
O artigo apresenta o SubspaceAD, um método de detecção de anomalias sem treinamento que utiliza apenas a modelagem de subespaço via PCA em características de um modelo DINOv2 congelado para alcançar desempenho state-of-the-art em cenários de poucos exemplos.
Este artigo propõe um modelo aprimorado para detecção de objetos pequenos em imagens aéreas, que integra um módulo de Atenção Espacial em Pirâmide Laplaciana (SLPA), um Módulo de Aprimoramento de Características Multiescala (MSFEM) e convoluções deformáveis para alinhamento de características, demonstrando desempenho superior em conjuntos de dados como VisDrone e DOTA.
O artigo apresenta o D-FINE-seg, uma extensão de segmentação de instâncias em tempo real baseada no modelo D-FINE que, além de superar o YOLOv8 em precisão no conjunto de dados TACO, oferece um pipeline de código aberto para treinamento e implantação otimizada em múltiplos backends (ONNX, TensorRT e OpenVINO).