cs.CV artigos | Gist.Science

Lumosaic: Hyperspectral Video via Active Illumination and Coded-Exposure Pixels

O artigo apresenta o Lumosaic, um sistema ativo de vídeo hiperespectral compacto que combina uma matriz de LEDs de banda estreita com uma câmera de exposição codificada por pixel para capturar, em tempo real, vídeos hiperespectrais de 30 quadros por segundo com alta fidelidade espectral e estabilidade temporal, superando as limitações dos sistemas passivos ao sincronizar a iluminação e a exposição para lidar com cenas dinâmicas.

Dhruv Verma, Andrew Qiu, Roberto Rangel + 8 more2026-02-26⚡ eess

WeaveTime: Stream from Earlier Frames into Emergent Memory in VideoLLMs

O artigo apresenta o WeaveTime, um framework leve e agnóstico ao modelo que aprimora a compreensão temporal em VideoLLMs para cenários de streaming ao ensinar a percepção de ordem por meio de um objetivo de reconstrução temporal e gerenciar dinamicamente o foco entre o passado e o presente durante a inferência, resultando em maior precisão e menor latência sem alterações arquiteturais.

Yulin Zhang, Cheng Shi, Sibei Yang2026-02-26💻 cs

MedTri: A Platform for Structured Medical Report Normalization to Enhance Vision-Language Pretraining

O artigo apresenta o MedTri, uma plataforma de normalização que converte relatórios médicos livres em tripletas estruturadas baseadas em anatomia, demonstrando que essa padronização melhora significativamente a qualidade do pré-treinamento visão-linguagem em radiologia ao eliminar ruídos estilísticos e preservar informações essenciais.

Yuetan Chu, Xinhua Ma, Xinran Jin + 2 more2026-02-26💻 cs

NoLan: Mitigating Object Hallucinations in Large Vision-Language Models via Dynamic Suppression of Language Priors

O artigo apresenta o NoLan, um framework sem treinamento que mitiga alucinações de objetos em Modelos de Linguagem e Visão Grandes (LVLMs) suprimindo dinamicamente os priores linguísticos do decodificador, identificando-os como a principal causa do problema.

Lingfeng Ren, Weihao Yu, Runpeng Yu + 1 more2026-02-26💬 cs.CL

CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness

O CASR é um framework cíclico simples e eficiente que supera as limitações de deslocamento de distribuição na super-resolução de escala arbitrária, alinhando estruturas e restaurando texturas por meio de módulos de agregação de superpixels e auto-similaridade para garantir inferência estável e generalização superior em ampliações extremas.

Wenhao Guo, Zhaoran Zhao, Peng Lu + 3 more2026-02-26💻 cs

Mixed Magnification Aggregation for Generalizable Region-Level Representations in Computational Pathology

Este artigo propõe um codificador de agregação de região em múltiplas ampliações que funde representações de tiles de imagens de patologia usando modelagem de mascaramento de embeddings, demonstrando melhorias no desempenho preditivo para biomarcadores ao capturar contextos espaciais e features multi-resolução.

Eric Zimmermann, Julian Viret, Michal Zelechowski + 7 more2026-02-26💻 cs

Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes

Este artigo demonstra que modelos de geração de imagem pré-treinados e de uso geral podem ser facilmente reconfigurados para remover eficazmente perturbações protetoras de imagens, superando ataques especializados e revelando uma vulnerabilidade crítica nas atuais estratégias de proteção.

Xavier Pleimling, Sifat Muhammad Abdullah, Gunjan Balde + 4 more2026-02-26🤖 cs.AI

WHOLE: World-Grounded Hand-Object Lifted from Egocentric Videos

O artigo apresenta o WHOLE, um método que reconstrói holisticamente os movimentos da mão e do objeto no espaço mundial a partir de vídeos egocêntricos, utilizando um prior generativo aprendido para superar os desafios de oclusão e inconsistência que limitam as abordagens atuais que tratam os elementos de forma isolada.

Yufei Ye, Jiaman Li, Ryan Rong + 1 more2026-02-26💻 cs

Towards Attributions of Input Variables in a Coalition

Este artigo aborda o desafio de particionar variáveis de entrada em métodos de atribuição para IA explicável, propondo uma extensão do valor de Shapley e métricas para avaliar a fidelidade de coalizões, a fim de resolver conflitos de atribuição e alinhar os resultados com a intuição humana.

Xinhao Zheng, Huiqi Deng, Quanshi Zhang2026-02-25🤖 cs.AI

Interpretable Medical Image Classification using Prototype Learning and Privileged Information

Este artigo apresenta o Proto-Caps, um modelo inovador que combina redes de cápsulas, aprendizado por protótipos e informações privilegiadas para alcançar desempenho superior ao estado da arte e maior interpretabilidade na classificação de imagens médicas, validado no conjunto de dados LIDC-IDRI.

Luisa Gallee, Meinrad Beer, Michael Goetz2026-02-25🤖 cs.AI

Coherent and Multi-modality Image Inpainting via Latent Space Optimization

O artigo apresenta o PILOT, um método de otimização no espaço latente que utiliza centralização semântica e perda de preservação de fundo para gerar preenchimentos de imagem coerentes e multi-modais em modelos de difusão pré-treinados sem necessidade de ajuste fino.

Lingzhi Pan, Tong Zhang, Bingyuan Chen + 4 more2026-02-25💻 cs

ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation

O artigo apresenta o ScaleDepth, um método inovador de estimativa de profundidade monoculométrica que decompõe a tarefa em predição de escala e estimativa de profundidade relativa, permitindo uma generalização superior e unificada para cenas internas e externas sem necessidade de ajuste fino ou definição prévia de faixas de profundidade.

Ruijie Zhu, Chuxin Wang, Ziyang Song + 3 more2026-02-25💻 cs

DreamBarbie: Text to Barbie-Style 3D Avatars

O artigo apresenta o DreamBarbie, um novo framework baseado em texto que gera avatares 3D de alta qualidade no estilo Barbie com roupas e acessórios separáveis e prontos para simulação física, superando métodos anteriores ao utilizar uma representação 3D expressiva baseada em G-Shell e otimização especializada por modelos de difusão.

Xiaokun Sun, Zhenyu Zhang, Ying Tai + 3 more2026-02-25💻 cs

UWF-RI2FA: Generating Multi-frame Ultrawide-field Fluorescein Angiography from Ultrawide-field Retinal Imaging Improves Diabetic Retinopathy Stratification

Este estudo apresenta o modelo UWF-RI2FA, que utiliza inteligência artificial generativa para criar imagens sintéticas de angiografia fluoresceína ultralarga sem necessidade de injeção de corante, demonstrando que essas imagens melhoram significativamente a estratificação da retinopatia diabética.

Ruoyu Chen, Kezheng Xu, Kangyan Zheng + 4 more2026-02-25⚡ eess

RegTrack: Simplicity Beneath Complexity in Robust Multi-Modal 3D Multi-Object Tracking

O artigo apresenta o RegTrack, um método robusto e eficiente para rastreamento multi-objeto 3D multimodal que, inspirado na teoria de calibre de Yang-Mills e utilizando apenas 2,6 milhões de parâmetros, supera 35 concorrentes ao empregar um codificador tri-cue unificado para realizar associação baseada em similaridade e compensação de movimento sem depender de métricas complexas ou priores específicos de classe.

Lipeng Gu, Xuefeng Yan, Song Wang + 1 more2026-02-25💻 cs

Implementation of neural network operators with applications to remote sensing data

Este artigo apresenta dois algoritmos baseados em operadores de redes neurais multidimensionais ativados por funções sigmoidais tangente hiperbólica para modelagem e aprimoramento de dados de sensoriamento remoto, demonstrando, por meio de experimentos numéricos no conjunto de dados RETINA, que eles superam os métodos de interpolação clássicos, especialmente no Índice de Similaridade Estrutural (SSIM).

Danilo Costarelli, Michele Piconi2026-02-25💻 cs

Two Models for Surface Segmentation using the Total Variation of the Normal Vector

Este artigo propõe e compara duas abordagens variacionais para segmentação de superfícies em malhas triangulares, demonstrando que um regularizador baseado na variação total no espaço de rótulos, resolvido com um esquema de Newton em variedades para reduzir custos computacionais, oferece resultados superiores na remoção de ruído em regiões de curvatura constante.

Manuel Weiß, Lukas Baumgärtner, Laura Weigl + 3 more2026-02-25💻 cs

Revisiting the Generalization Problem of Low-level Vision Models Through the Lens of Image Deraining

Este artigo investiga as causas da falha de generalização em modelos de visão de baixo nível, identificando o "aprendizado de atalho" como o principal obstáculo e propondo estratégias para equilibrar a complexidade dos dados e utilizar priors de modelos generativos, com validação experimental em tarefas como remoção de chuva, ruído e desfoque.

Jinfan Hu, Zhiyuan You, Jinjin Gu + 3 more2026-02-25💻 cs

A deep learning framework for efficient pathology image analysis

O artigo apresenta o EAGLE, um novo framework de aprendizado profundo que utiliza modelos fundamentais para selecionar e analisar seletivamente regiões informativas em imagens de patologia, superando os métodos atuais em precisão e reduzindo o tempo de processamento em mais de 99%, o que viabiliza fluxos de trabalho em tempo real e torna a patologia assistida por IA mais acessível.

Peter Neidlinger, Tim Lenz, Sebastian Foersch + 24 more2026-02-25💻 cs

SEED: Towards More Accurate Semantic Evaluation for Visual Brain Decoding

O artigo apresenta o SEED, uma nova métrica de avaliação semântica para decodificação visual cerebral que, ao integrar três medidas complementares e se alinhar melhor a avaliações humanas do que os métodos atuais, revela limitações nos modelos de última geração e disponibiliza dados e código para impulsionar pesquisas futuras.

Juhyeon Park, Peter Yongho Kim, Jiook Cha + 2 more2026-02-25🤖 cs.LG

← Anterior Próximo →