8173 artigos
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.
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.
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.
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.
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.
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.
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.
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).
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.
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.
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.
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.
O VisionLogic é um novo framework neural-simbólico que gera explicações hierárquicas e interpretáveis para modelos de visão computacional, convertendo ativações neuronais em regras lógicas globais fundamentadas causalmente em conceitos visuais validados, superando métodos anteriores ao garantir que os conceitos descobertos sejam efetivamente causais para as previsões do modelo.
Este trabalho propõe o ELogitNorm, uma nova formulação sem hiperparâmetros que corrige o fenômeno de colapso de características no LogitNorm ao adicionar um termo de perda sensível à distância de características, melhorando significativamente a detecção de dados fora de distribuição e a calibração de confiança sem comprometer a precisão da classificação.
Este artigo apresenta um framework eficiente de fusão LiDAR-câmera, composto pelos modelos UniMT e RTMCT, que realiza detecção de objetos 3D e previsão de trajetória em tempo real para robôs móveis de serviço, superando métodos existentes em precisão e mantendo alto desempenho em hardware limitado.
Este artigo descreve a reprodução do algoritmo CheXNet e a exploração de modelos alternativos para classificação de doenças em raios-X torácicos, alcançando um AUC-ROC médio de 0,85 e um F1 médio de 0,39 no conjunto de dados NIH ChestX-ray14.
O artigo apresenta o HoloLLM, um modelo de linguagem multimodal que integra sensores incomuns como LiDAR, infravermelho, radar mmWave e WiFi para superar as limitações da visão em ambientes reais, utilizando um projetor universal de injeção de modalidades e uma pipeline de curadoria de dados colaborativa para alcançar uma percepção e raciocínio humanos significativamente mais precisos e robustos.
Este artigo propõe um método de codificação de transformada treinável (TTC) com design hierárquico, combinando KLT e uma transformada neural esparsa, para melhorar o desempenho taxa-distorção e a eficiência de decodificação na compressão de 3DGS ao reintroduzir a transformação de análise-síntese.
O artigo apresenta o SpikePingpong, um sistema robótico inovador que combina visão baseada em pulsos (spike) com aprendizado por imitação em uma arquitetura de processamento rápido-lento para alcançar precisão de alta velocidade no jogo de pingue-pongue.
Este trabalho propõe a Orientação Adaptativa de Baixa Frequência (ALG), uma solução simples e sem treinamento que melhora a dinâmica temporal na geração de vídeos a partir de imagens, mitigando a supressão de movimento causada pela exposição prematura a detalhes de alta frequência, sem comprometer a qualidade visual ou a alinhamento com o texto.