10079 artigos
O artigo apresenta o NoOVD, um novo framework de treinamento que integra um mecanismo de auto-distilação baseado em modelos visão-linguagem congelados e componentes como K-FPN e R-RPN para superar as limitações na descoberta e detecção de categorias não vistas em tarefas de detecção de objetos com vocabulário aberto.
Este artigo propõe o CTFS, um framework colaborativo de professores que utiliza uma estratégia de orientação alternada e uma avaliação dinâmica de confiabilidade para melhorar a segmentação semântica de imagens de sonar de frente com dados extremamente limitados, alcançando ganhos significativos de desempenho ao mitigar o ruído e capturar características específicas do sonar.
O artigo propõe o CoVFT, um quadro de ajuste fino visual sensível ao contexto que resolve conflitos de otimização em modelos de linguagem multimodal grandes, alcançando desempenho superior e estável em diversas tarefas ao integrar explicitamente o contexto multimodal no processo de adaptação visual.
O artigo propõe o TextCSP, uma nova arquitetura hierárquica que integra descrições textuais radiológicas e prompts adaptáveis para melhorar a segmentação de sub-regiões de tumores cerebrais, superando os métodos atuais ao abordar suas características clínicas distintas e limites visuais ambíguos.
Este artigo propõe uma nova função de perda chamada "Variance Expansion Loss" para corrigir a sensibilidade excessiva dos tokenizadores baseados em -VAE a perturbações de amostragem em Modelos de Difusão Latente, resultando em uma geração de imagens mais robusta e de maior qualidade sem comprometer a fidelidade da reconstrução.
O artigo apresenta a DGRNet, uma nova rede que aprimora a segmentação de tumores cerebrais em ressonâncias magnéticas ao combinar estimativas de incerteza baseadas em desacordo entre múltiplas visões com refinamento guiado por relatórios clínicos, alcançando resultados superiores aos métodos atuais no conjunto de dados TextBraTS.
Este artigo apresenta um modelo multitarefa clinicamente orientado para avaliação de ultrassonografia da tireoide, que utiliza a regularização adversarial de nível de representação (RLAR) para mitigar a competição de gradientes causada pela variabilidade entre anotadores, melhorando assim a estratificação de risco TI-RADS sem comprometer a qualidade da segmentação.
O artigo propõe o PATrack, uma abordagem inovadora de adaptação progressiva que integra adaptadores dependentes de modalidade, entrelaçados e específicos para a tarefa, superando as limitações dos métodos de ajuste fino existentes e alcançando desempenho superior em tarefas de rastreamento multimodal (RGB+Termal, RGB+Profundidade e RGB+Evento).
O artigo apresenta o CounterScene, um framework que utiliza raciocínio contrafactual estruturado em modelos de mundo gerativos para identificar agentes adversários causalmente críticos e gerar cenários de condução de segurança com alto realismo e eficácia na avaliação de sistemas autônomos.
O artigo apresenta o Free Sinewich, um framework de aprendizado multi-tarefa eficiente em parâmetros que utiliza modulação de pesos por meio de troca de frequências e uma camada Sine-AWB para alcançar desempenho superior com custo computacional quase nulo.