8650 artigos
Este trabalho apresenta uma abordagem de Aprendizado de Máquina Quântica Automatizado (AQML) para fusão de dados multissource, demonstrando que os circuitos quânticos gerados automaticamente superam tanto redes neurais clássicas quanto modelos quânticos manuais, alcançando maior precisão na detecção de mudanças no conjunto de dados ONERA multiespectral.
O artigo apresenta o InfoNoise, um método de agendamento de ruído adaptativo e guiado por teoria da informação que otimiza o treinamento de modelos de difusão ao identificar e corrigir alocações subótimas de ruído, resultando em maior eficiência computacional e qualidade superior em comparação com agendamentos manuais.
Este artigo analisa sistematicamente os efeitos do acoplamento na modelagem dinâmica de manipuladores contínuos aéreos, demonstrando que, embora o modelo desacoplado apresente discrepâncias significativas em simulações de malha aberta, ele alcança precisão de rastreamento comparável ao modelo acoplado em controle de malha fechada, oferecendo simultaneamente menor custo computacional.
O artigo propõe "modelos de mundo isomórficos" baseados em campos neurais que preservam a topologia sensorial para prever física através de propagação geométrica, demonstrando que essa abordagem permite transferência mais rápida de políticas de imaginação para a realidade e o surgimento espontâneo de codificação corporal seletiva.
O artigo apresenta o LoRun, uma rede de desdobramento profundo que utiliza adaptadores LoRA leves e específicos para cada estágio sobre um único denoiser pré-treinado, superando a redundância de parâmetros e a falta de adaptação às etapas das redes existentes para restauração de imagens com maior eficiência e desempenho.
O artigo apresenta o Video-TwG, um framework de aprendizado por reforço com currículo que introduz o paradigma "pensar com fundamentação" para permitir que modelos de linguagem de vídeo realizem fundamentação sob demanda em clipes específicos durante o raciocínio, superando assim as alucinações e a redundância temporal comuns na compreensão de vídeos longos.
O artigo apresenta o HIME, um método de edição de modelo que utiliza uma pontuação de insensibilidade à alucinação para identificar e editar seletivamente camadas específicas em Modelos Visuais-Linguísticos, reduzindo significativamente as alucinações de objetos sem custos computacionais adicionais ou perda de conhecimento pré-treinado.
O artigo apresenta o NeXt2Former-CD, um novo framework de detecção de mudanças em imagens de sensoriamento remoto que integra arquiteturas modernas de visão (ConvNeXt, atenção deformável e Mask2Former) para superar as limitações de ruído e ambiguidade, superando métodos baseados em Modelos de Espaço de Estado (SSM) em precisão e mantendo latência de inferência competitiva.
Este artigo apresenta o SMBlurDetect, um framework unificado que combina a geração de um dataset específico de alta qualidade com um detector baseado em U-Net para identificar e segmentar com precisão desfoques de movimento sutis em imagens estáticas, superando significativamente os métodos existentes em generalização zero-shot e métricas de segmentação.
Este artigo propõe uma nova abordagem de aprendizado espectral magnético consistente de fase para agrupamento multi-visão, que modela a concordância direcional entre visões como um termo de fase em afinidades complexas para extrair um sinal espectral compartilhado estável e superar as limitações dos métodos existentes que dependem apenas de magnitudes ou alvos pseudo iniciais.
O artigo apresenta o MiSCHiEF, um benchmark composto por dois conjuntos de dados contrastivos (MiS e MiC) para avaliar a capacidade de modelos de linguagem e visão (VLMs) de realizar alinhamento imagem-legenda de alta granularidade em cenários críticos de segurança e cultura, revelando desafios persistentes na distinção de nuances visuais e semânticas sutis.
O RoboCurate é um novo framework de geração de dados sintéticos para aprendizado robótico que valida a qualidade das ações anotadas comparando-as com simulações e aumenta a diversidade de observações através de edição de imagens, resultando em melhorias significativas nas taxas de sucesso em comparação com o uso exclusivo de dados reais.
Este artigo apresenta o GeoCode, um novo conjunto de dados sintetizado que gera problemas complexos de geometria multimodal com código de plotagem para garantir consistência visual e simbólica, permitindo que modelos de linguagem visuais aprendam alinhamento estruturado e melhorem seu raciocínio geométrico em diversos benchmarks.
Este estudo apresenta um benchmark robusto que avalia dez modelos de fundação para segmentação semântica em patologia computacional, demonstrando que o modelo CONCH obteve o melhor desempenho individual e que a concatenação de características de múltiplos modelos supera significativamente os resultados individuais, oferecendo uma abordagem rápida, interpretável e sem necessidade de ajuste fino.
O artigo apresenta o EditedID, uma solução sem treinamento e plug-and-play baseada em alinhamento, desentrelaçamento e entrelaçamento que supera as limitações atuais na preservação da identidade facial e da consistência de elementos editados em modelos de edição multimodal.
O artigo apresenta o Person2Drive, uma plataforma e benchmark abrangentes que abordam os desafios da personalização na condução autônoma de ponta a ponta por meio de um sistema de coleta de dados diversificado, métricas quantitativas de estilo de direção e um framework adaptativo que permite a criação de sistemas de condução autônoma seguros e individualizados.
O artigo apresenta o TAG, um modelo de linguagem e visão que melhora o reconhecimento de expressões faciais ao vincular o raciocínio a unidades de ação (AUs) específicas, resultando em previsões mais robustas, interpretáveis e livres de alucinações.
Este artigo apresenta o GeoLink-UV, um produto de mapeamento de alta resolução que utiliza modelos fundamentais para identificar e delimitar aldeias urbanas em 342 cidades chinesas, fornecendo uma base geoespacial validada para o monitoramento de assentamentos informais e o planejamento de renovação urbana alinhado aos Objetivos de Desenvolvimento Sustentável.
Este trabalho propõe o método ZS-MIL, que utiliza embeddings de texto de modelos visão-linguagem para inicializar classificadores em frameworks de aprendizado de múltiplas instâncias, demonstrando superioridade e robustez em cenários de poucos exemplos para classificação de imagens de histopatologia em comparação com inicializações aleatórias.
Este artigo propõe uma nova abordagem para o alinhamento de preferências em modelos de difusão que evita o re-treinamento do modelo base, utilizando um mecanismo de "guia contrastivo" em tempo de inferência que combina previsões de modelos especializados em dados positivos e negativos para gerar sinais de alinhamento mais nítidos e generalizáveis.