8346 artigos
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.
Este artigo apresenta o UPNet, uma abordagem inovadora de seleção ativa de vistas que utiliza mapas de incerteza neural para identificar as perspectivas mais informativas para reconstrução 3D, alcançando precisão comparável com metade das vistas e reduzindo drasticamente o custo computacional em relação aos métodos existentes.
Este estudo aborda os desafios da navegação baseada em visão em missões espaciais ao caracterizar falhas de sensores, desenvolver um framework de simulação para gerar imagens defeituosas sintéticas e criar um conjunto de dados essencial para treinar e testar algoritmos de Inteligência Artificial na detecção dessas falhas.
O artigo apresenta o NRSeg, um framework de aprendizado resiliente a ruídos para segmentação semântica em visão de pássaro (BEV) que utiliza dados sintéticos de modelos de mundo de direção, combinando métricas de consistência geométrica, previsão paralela de distribuições e exclusão semântica hierárquica para alcançar desempenho superior em tarefas não supervisionadas e semi-supervisionadas.
Este artigo apresenta o SFATTI, um acelerador de FPGA para Redes Neurais de Spiking (SNN) desenvolvido com o framework Spiker+ para inferência temporal eficiente em energia na tarefa de reconhecimento de dígitos manuscritos do conjunto de dados MNIST.
Este trabalho apresenta o primeiro sistema de controle em malha fechada para drones quadrotor que permite o hover em tubos estreitos, utilizando velocimetria baseada em eventos para medir o fluxo de ar em tempo real e um controlador de aprendizado por reforço para compensar as perturbações aerodinâmicas e evitar colisões.
O artigo apresenta o FedGIN, um framework de aprendizado federado que utiliza uma augmentação não-linear dinâmica de intensidade global para superar desafios de privacidade e variabilidade entre modalidades, permitindo uma segmentação robusta de órgãos em imagens médicas multimodais (MRI e CT) sem a necessidade de compartilhar dados brutos.
Este artigo propõe a NS-FPN, uma rede de pirâmide de características leve e eficaz que, ao adotar uma perspectiva de supressão de ruído no domínio da frequência através dos módulos LFP e SFS, melhora significativamente a detecção e segmentação de alvos pequenos no infravermelho, reduzindo falsos alarmes em cenários com ruído intenso.