7561 artigos
O artigo apresenta o GeoWorld, um modelo de mundo geométrico que utiliza um JEPA hiperbólico e Aprendizado por Reforço Geométrico para preservar estruturas hierárquicas e melhorar a previsão de longo prazo em tarefas de planejamento visual, superando o estado da arte V-JEPA 2.
O artigo propõe o PointATA, um paradigma de transferência de aprendizado eficiente em parâmetros que supera as limitações de adaptação de modelos 3D pré-treinados para tarefas de percepção 4D ao alinhar as distribuições de dados e adaptar a arquitetura em duas etapas, alcançando desempenho superior ou equivalente ao ajuste fino completo com custo computacional reduzido.
Este artigo propõe um método de aprendizado fracamente supervisionado que conecta modelos de visão biomédica a modelos de linguagem para gerar descrições em linguagem natural de microscopia cerebral humana, utilizando rótulos para vincular imagens a textos sintéticos da literatura, sem a necessidade de dados pareados imagem-texto curados.
Este artigo apresenta as Superfícies de Decaimento Adaptativo Local (LADS), uma nova representação para câmeras de eventos que ajusta dinamicamente o decaimento temporal com base na atividade local, superando as limitações das abordagens tradicionais e alcançando desempenho superior e em tempo real na detecção de rostos e landmarks faciais, mesmo em altas frequências.
O artigo apresenta o SpectralMamba-UNet, um novo framework que utiliza modelagem de espaço de estados no domínio da frequência para desacoplar e integrar informações estruturais e texturais, melhorando a precisão da segmentação de imagens médicas ao preservar tanto o contexto anatômico global quanto os detalhes finos das fronteiras.
O artigo apresenta o FLIGHT, um método inovador que utiliza uma generalização da transformada de Hough em uma esfera unitária com base em uma rede de Fibonacci para estimar a direção da câmera a partir de vídeo monocromático, oferecendo maior precisão e eficiência na presença de ruídos e outliers, além de reduzir o erro quadrático médio em sistemas SLAM ao corrigir a inicialização da pose.
Este trabalho aborda a lacuna de padrões na avaliação de ataques adversariais transferíveis em classificação de imagens, oferecendo uma revisão abrangente, uma nova taxonomia de métodos, um benchmark unificado e diretrizes para comparações justas, além de explorar aplicações além desse domínio.
O artigo apresenta o TriLite, um framework de localização de objetos supervisionado fracamente em estágio único que utiliza um Vision Transformer pré-treinado com Dinov2 e um módulo TriHead para dissecar regiões de primeiro plano, fundo e ambíguas, alcançando resultados state-of-the-art com alta eficiência de parâmetros e treinamento simplificado.
O artigo propõe o método CARE, um framework de duas etapas que utiliza calibração de evidência probabilística e refinamento por propagação para superar as limitações de métodos existentes e alcançar re-identificação de pessoas robusta em cenários com rótulos ruidosos.
Os autores propõem um novo framework de estabilização de vídeo online e não supervisionado que, ao utilizar priores clássicos e um mecanismo de buffer multithread, supera as limitações de métodos baseados em aprendizado profundo em termos de controle e eficiência, enquanto introduz o conjunto de dados UAV-Test para validar o desempenho em cenários de sensoriamento remoto noturno, alcançando resultados superiores aos métodos online atuais e comparáveis aos offline.
Este estudo demonstra que é possível recuperar estatisticamente e de forma fisicamente coerente variáveis meteorológicas de superfície em escala de metros para os Estados Unidos, combinando dados de estações esparsas e observações terrestres de alta resolução com estados atmosféricos grosseiros, resultando em campos de vento, temperatura e umidade mais precisos e espacialmente detalhados do que as análises atuais.
O artigo apresenta o BaryIR, um framework de aprendizado de representação que generaliza a restauração de imagens ao alinhar características degradadas em um espaço de baricentro de Wasserstein para extrair conteúdos invariantes, enquanto descarta subespaços residuais para preservar conhecimentos específicos de cada degradação, resultando em robustez superior frente a degradações não vistas e mistas.
O artigo apresenta o LaGS, um método inovador que utiliza splatting gaussiano latente para integrar rastreamento de câmera e previsão de ocupação panorática multivista, alcançando desempenho de ponta na rastreamento de ocupação panorâmica 4D.
O artigo apresenta o Phys-3D, um sistema de rastreamento e contagem de multidões em tempo real em plataformas de trem que utiliza uma câmera montada no trem e um modelo de Kalman com restrições físicas para superar desafios como oclusões e movimento da câmera, alcançando uma precisão de 2,97% de erro no conjunto de dados MOT-RPCH.
O artigo apresenta o FairQuant, um framework de quantização de precisão mista que otimiza simultaneamente a eficiência e a justiça algorítmica em modelos de classificação de imagens médicas, demonstrando resultados superiores em desempenho e equidade em comparação com abordagens tradicionais sob orçamentos de bits restritos.
O artigo apresenta o ColoDiff, um framework baseado em difusão que gera vídeos de colonoscopia dinâmicos e consistentes com controle preciso de atributos clínicos, utilizando módulos inovadores para superar desafios estruturais e reduzir drasticamente o tempo de amostragem, visando mitigar a escassez de dados e auxiliar no diagnóstico e análise clínica.
Este trabalho apresenta um framework computacional baseado no sistema BrokenEyes que simula cinco distúrbios oculares comuns para analisar e quantificar, por meio de métricas como energia de ativação e similaridade de cosseno, como essas condições degradam as representações de características em modelos de aprendizado profundo, revelando impactos críticos especialmente na catarata e no glaucoma.
Este artigo propõe o "Dual-Coupled PnP Diffusion", um novo framework para reconstrução de imagens médicas que combina variáveis duais para garantir convergência assintótica com os dados físicos e uma técnica de homogeneização espectral para transformar resíduos estruturados em ruído compatível com modelos de difusão, resolvendo assim o compromisso entre viés e alucinações.
Este artigo apresenta a Aprendizagem Multidimensional de Tarefas (MTL), uma estrutura matemática unificada baseada em GE-MLPs que opera diretamente sobre tensores via produto de Einstein, superando as limitações das abordagens matriciais atuais ao permitir a formulação natural e sem perda de informação de tarefas complexas de visão computacional, como classificação, segmentação e detecção, dentro de um espaço de tarefas dimensionalmente mais amplo.
O artigo apresenta o UniScale, um framework unificado e consciente de escala para reconstrução 3D multi-visão em robótica, que integra flexivelmente priores geométricos e estimativa de parâmetros intrínsecos e extrínsecos em uma única rede feed-forward para gerar mapas de profundidade e pontos com escala métrica, aproveitando priores de modelos pré-existentes sem necessidade de treinamento do zero.