1871 artigos
O artigo apresenta o MoE-GS, um novo quadro unificado para a reconstrução de cenas dinâmicas via Gaussian Splatting que integra múltiplos especialistas especializados por meio de um roteador de pixels consciente de volume para superar as limitações de métodos existentes, oferecendo também estratégias de otimização para mitigar o custo computacional.
O artigo apresenta o AnyPcc, um framework universal de compressão de nuvens de pontos que supera as limitações de generalização existentes ao combinar um Modelo de Contexto Universal robusto a diversas densidades com uma estratégia de Ajuste Fino Adaptativo à Instância (IAFT), alcançando resultados state-of-the-art em diversos conjuntos de dados reais com baixa complexidade.
Este artigo propõe um método automatizado de contagem de pragas em armadilhas aquáticas que utiliza um sistema robótico de agitação ativa e um controle em malha fechada baseado na confiança da contagem para mitigar oclusões, reduzir erros de contagem e otimizar o tempo de execução em comparação com métodos estáticos e de velocidade constante.
O artigo apresenta o CountFormer, um framework que substitui o codificador de imagem por um modelo de visão auto-supervisionado (DINOv2) para melhorar a consistência estrutural no contagem de objetos sem exemplares, demonstrando que representações de base podem reduzir erros de supercontagem em objetos complexos, embora os resultados quantitativos no benchmark FSC-147 permaneçam competitivos com abordagens anteriores.
O artigo apresenta o SAGE, uma abordagem zero-shot que utiliza orientação estrutural e síntese generativa para criar transições de vídeo visualmente coerentes e consistentes entre clipes diversos, superando métodos clássicos e generativos existentes sem a necessidade de ajuste fino ou dados de treinamento específicos.
Este artigo propõe uma abordagem forense para detectar imagens geradas por IA analisando o comportamento de "recuperação" (snap-back) das imagens quando submetidas a reconstrução por modelos de difusão, alcançando uma alta precisão na distinção entre fotografias autênticas e sintéticas mesmo sob distorções comuns.
Este artigo apresenta o "Jr. AI Scientist", um sistema autônomo de ponta que simula o fluxo de trabalho de um pesquisador iniciante para gerar contribuições científicas válidas a partir de artigos de base, demonstrando desempenho superior em avaliações automatizadas enquanto identifica riscos e limitações críticos para a aplicação futura desses sistemas.
Este artigo apresenta o MUGSQA, um novo método de avaliação de qualidade baseado em múltiplas incertezas, juntamente com um dataset e benchmarks projetados para superar os desafios na avaliação perceptiva de objetos 3D reconstruídos por meio de Gaussian Splatting.
O artigo apresenta o CountOCC, um novo framework de contagem amodal que supera as limitações de métodos atuais em cenários de oclusão ao reconstruir hierarquicamente as características de objetos ocultos através de orientação multimodal e de um objetivo de equivalência visual, alcançando desempenho superior de última geração em conjuntos de dados ocultos.
Este trabalho propõe um novo método de ataque adversarial para redes hiperbólicas, chamado Angular Gradient Sign, que explora as propriedades geométricas do espaço hiperbólico ao aplicar perturbações apenas na direção angular (semântica) do gradiente, resultando em taxas de engano superiores e revelando vulnerabilidades específicas dessas representações hierárquicas.
O artigo apresenta o Video2Layout, um framework que supera as limitações dos mapas cognitivos baseados em grades ao reconstruir layouts espaciais metricamente fundamentados a partir de coordenadas contínuas de limites de objetos, resultando em um modelo (V2LO-7B) que demonstra melhorias significativas no raciocínio espacial em comparação com métodos tradicionais.
Este artigo apresenta a MOMNet, uma rede inovadora de correspondência multi-ordem que supera as limitações de alinhamento espacial entre RGB e profundidade em cenários reais, utilizando mecanismos de correspondência e agregação multi-ordem para alcançar super-resolução de profundidade de alta qualidade e robustez.
O artigo apresenta o DualMindVLM, um modelo de linguagem visual que implementa um mecanismo de pensamento dual (rápido e lento) adaptado via GRPO, permitindo a seleção automática ou manual do modo de raciocínio com base na complexidade da tarefa para alcançar desempenho de ponta com maior eficiência de tokens.
O artigo propõe o Radiative-Structured Neural Operator (RSNO), uma nova abordagem que utiliza um operador neural para aprender um mapeamento contínuo no domínio espectral e impõe consistência física através de um prior radiativo e projeções de consistência angular, superando as limitações dos métodos baseados em vetores discretos na super-resolução espectral.
O artigo apresenta o UnfoldLDM, uma nova arquitetura de redes de desdobramento profundo que integra um modelo de difusão latente para superar as limitações de dependência de degradação e viés de suavização excessiva, permitindo a restauração cega de imagens com recuperação eficaz de detalhes de alta frequência.
Este trabalho apresenta um sistema estável de rastreamento GNSS para robôs marinhos, utilizando múltiplos drones com detecção visual, triangulação baseada em GNSS e um filtro de Kalman estendido ponderado por confiança para fornecer estimativas precisas e em tempo real na superfície e perto dela.
O artigo apresenta o Yo'City, um novo framework agêntico que utiliza modelos de linguagem grandes para gerar cenas de cidades 3D realistas, personalizadas e infinitamente expansíveis através de um planejamento hierárquico, síntese de imagens isométricas e um mecanismo de expansão guiado por relações espaciais e semânticas.
O artigo propõe um método de regularização direcionada no espaço latente que identifica e reduz a dependência de eixos de atalho por meio da injeção de ruído anisotrópico, melhorando a generalização fora de distribuição sem exigir rótulos de atalho ou exemplos conflitantes.
Este estudo apresenta o ForamDeepSlice, um framework de aprendizado profundo baseado em um ensemble de redes neurais que alcança alta precisão na classificação automática de espécies de foraminíferos a partir de fatias 2D de micro-TC, estabelecendo novos benchmarks para identificação micropaleontológica assistida por IA.
O artigo apresenta o S2AM3D, um modelo inovador para segmentação de partes em nuvens de pontos 3D que combina prios de segmentação 2D com supervisão 3D consistente e um decodificador sensível à escala para ajustar a granularidade, apoiado por um novo conjunto de dados de grande escala que supera as limitações de generalização e consistência das abordagens existentes.