👁️ Category

cs.CV

7875 artigos

DriveMamba: Task-Centric Scalable State Space Model for Efficient End-to-End Autonomous Driving

O DriveMamba é um modelo escalável baseado em Espaços de Estado (Mamba) que supera as limitações de eficiência e escalabilidade dos sistemas de direção autônoma de ponta a ponta atuais, substituindo a arquitetura sequencial baseada em Transformers por um decodificador unificado de complexidade linear capaz de modelar dinamicamente as relações entre tarefas e integrar percepção, previsão e planejamento de forma eficiente.

Haisheng Su, Wei Wu, Feixiang Song + 3 more2026-02-25💻 cs

Sim2Radar: Toward Bridging the Radar Sim-to-Real Gap with VLM-Guided Scene Reconstruction

O Sim2Radar é um framework que preenche a lacuna entre simulação e realidade em percepção por radar de ondas milimétricas ao sintetizar dados de treinamento a partir de imagens RGB, utilizando reconstrução de cena guiada por visão computacional e linguagem para inferir materiais e simular propagação física, resultando em melhorias significativas na detecção de objetos 3D em ambientes reais com poucos dados supervisionados.

Emily Bejerano, Federico Tondolo, Ayaan Qayyum + 2 more2026-02-25🤖 cs.AI

Tree crop mapping of South America reveals links to deforestation and conservation

Este estudo apresenta o primeiro mapa de culturas arbóreas de 10 metros de resolução para a América do Sul, gerado por inteligência artificial, que identifica cerca de 11 milhões de hectares e revela que mapas regulatórios atuais frequentemente classificam erroneamente a agrofloresta de pequenos produtores como floresta, destacando a necessidade de dados precisos para políticas de conservação justas e eficazes.

Yuchang Jiang, Anton Raichuk, Xiaoye Tong + 6 more2026-02-25💻 cs

EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models

O artigo propõe o EAGLE, um framework sem ajuste de parâmetros que utiliza a orientação de atenção aprimorada por modelos especialistas para capacitar Modelos de Linguagem Multimodais a detectar anomalias industriais com alta precisão e gerar explicações semânticas interpretáveis, superando a necessidade de fine-tuning custoso.

Xiaomeng Peng, Xilang Huang, Seon Han Choi2026-02-25💻 cs

Probability-Invariant Random Walk Learning on Gyral Folding-Based Cortical Similarity Networks for Alzheimer's and Lewy Body Dementia Diagnosis

Este artigo propõe um novo quadro de aprendizado baseado em caminhadas aleatórias invariantes à probabilidade que classifica redes de similaridade cortical individualizadas fundamentadas em dobras girais, superando as limitações de alinhamento de nós e variabilidade anatômica para melhorar o diagnóstico diferencial entre Doença de Alzheimer e Demência por Corpos de Lewy.

Minheng Chen, Tong Chen, Chao Cao + 4 more2026-02-25🧬 q-bio

VISION-ICE: Video-based Interpretation and Spatial Identification of Arrhythmia Origins via Neural Networks in Intracardiac Echocardiography

O artigo propõe o framework VISION-ICE, que utiliza redes neurais convolucionais tridimensionais para analisar vídeos de ecocardiografia intracardíaca e localizar automaticamente a origem de arritmias, demonstrando viabilidade clínica para reduzir o tempo e o esforço dos procedimentos de ablação.

Dorsa EPMoghaddam, Feng Gao, Drew Bernard + 3 more2026-02-25🤖 cs.LG

UniLACT: Depth-Aware RGB Latent Action Learning for Vision-Language-Action Models

O artigo apresenta o UniLACT, um modelo Vision-Language-Action que supera as limitações de representações baseadas apenas em RGB ao incorporar estrutura geométrica através de um pré-treinamento com latentes de ação unificados e conscientes da profundidade, aprendidos pelo framework UniLARN, resultando em políticas de manipulação mais precisas e robustas tanto em simulação quanto no mundo real.

Manish Kumar Govind, Dominick Reilly, Pu Wang + 1 more2026-02-25💻 cs

Inspectorch: Efficient rare event exploration in solar observations

O artigo apresenta o Inspectorch, um framework de código aberto baseado em modelos de fluxo que utiliza estimativa de densidade probabilística não supervisionada para identificar eficientemente eventos raros e extremos em grandes volumes de dados de observações solares, otimizando assim o uso de recursos computacionais para o estudo de fenômenos físicos relevantes.

C. J. Díaz Baso, I. J. Soler Poquet, C. Kuckein + 2 more2026-02-25🔭 astro-ph

GSNR: Graph Smooth Null-Space Representation for Inverse Problems

O artigo propõe a Representação de Espaço Nulo Suavizado em Grafos (GSNR), um mecanismo que incorpora informações estruturais apenas no componente de espaço nulo invisível das imagens durante a resolução de problemas inversos, resultando em melhorias significativas de qualidade (até 4,3 dB) em tarefas como desfoque, amostragem comprimida e super-resolução.

Romario Gualdrón-Hurtado, Roman Jacome, Rafael S. Suarez + 1 more2026-02-25⚡ eess

Circuit Tracing in Vision-Language Models: Understanding the Internal Mechanisms of Multimodal Thinking

Este artigo apresenta o primeiro framework de rastreamento de circuitos em modelos de visão e linguagem, utilizando técnicas como transcoders e gráficos de atribuição para revelar, validar e controlar causalmente os mecanismos internos que integram conceitos visuais e semânticos, tornando esses modelos mais transparentes e confiáveis.

Jingcheng Yang, Tianhu Xiong, Shengyi Qian + 2 more2026-02-25🤖 cs.AI