4568 artigos
O artigo apresenta o TIQA, uma nova tarefa e conjunto de dados para avaliação da qualidade de texto em imagens geradas, juntamente com o método leve ANTIQA, que supera métricas existentes ao alinhar-se melhor aos julgamentos humanos e demonstrar valor prático na filtragem e reclassificação de gerações de modelos de texto-para-imagem.
O artigo apresenta o Inter-image Pixel Shuffling (IPS), um método inovador que permite a fusão de imagens multi-foco sem necessidade de dados de treinamento reais, reformulando a tarefa como um problema de classificação de pixels e utilizando uma rede de fusão híbrida que combina redes neurais convolucionais com modelos de espaço de estado para superar os métodos existentes.
Este artigo propõe uma estratégia de inicialização baseada em aprendizado, utilizando dados de telemetria da Fórmula 1 para prever trajetórias de corrida expert a partir da geometria local da pista, o que acelera significativamente a convergência e reduz o tempo de execução dos otimizadores de trajetória para corridas autônomas sem comprometer o tempo final da volta.
Este artigo apresenta um novo conjunto de dados multimodal para análise de falhas industriais, coletado de um transportador de corrente de velocidade única com sinais de áudio e vibração, projetado para suportar pesquisa em detecção de falhas e fusão multimodal sob diversas condições operacionais e de ruído.
O artigo apresenta o EyExIn, um framework eficiente em dados que utiliza um mecanismo de injeção profunda de especialistas para ancorar modelos de linguagem visual em conhecimento oftalmológico específico, superando lacunas de percepção e raciocínio e alcançando desempenho superior em diagnósticos de retina.
Este artigo propõe que o alinhamento de modelos de linguagem multimodais em contextos de desenvolvimento infantil deve ser tratado como um processo governado pela comunidade, envolvendo a colaboração entre famílias e profissionais para distribuir autoridade e responsabilidade na interpretação das interações.
O artigo apresenta o AutoSelect, um método que reformula a poda de tokens visuais como um problema de comunicação com restrição de capacidade, utilizando um mecanismo de "gate" de ruído e um denoiser para treinar um seletor leve em modelos VLM congelados, permitindo a seleção automática dos tokens mais importantes durante a inferência com ganhos significativos de velocidade e precisão quase total.
O artigo apresenta o DexKnot, um framework que combina correspondência de pontos-chave com políticas de difusão para aprender uma política de manipulação generalizável capaz de amarrar sacos plásticos em diversas configurações não vistas anteriormente.
Este estudo propõe e valida experimentalmente um método baseado em modelo para compensar a deriva térmica em atuadores de robôs hexápodes de alta precisão, utilizando medições de temperatura superficial para reduzir a expansão térmica em mais de 80%.
O artigo apresenta o PDD, um novo framework de detecção de anomalias em imagens médicas que utiliza a destilação de conhecimento baseada em prioridade de manifold, unindo professores duplos (VMamba-Tiny e Wide-ResNet50) para superar os métodos existentes e alcançar desempenho state-of-the-art em diversos conjuntos de dados.
Este tutorial apresenta uma introdução orientada ao controle para sistemas de navegação inercial assistida, utilizando uma formulação baseada na teoria de grupos de Lie centrada no grupo estendido SE₂(3) para desenvolver uma estrutura geométrica clara que funde medições inerciais com informações auxiliares, destacando explicitamente os papéis da invariância e da simetria.
O artigo apresenta o CanoVerse, um novo framework de canonicização e um massivo dataset de 320 mil objetos 3D que resolvem a ambiguidade de rotação, permitindo geração mais estável, recuperação precisa de formas e estimativa de orientação zero-shot.
O artigo apresenta o LiveWorld, um novo framework que resolve o problema de "dinâmicas fora do campo de visão" em modelos de mundo generativos ao simular a evolução persistente de entidades não observadas, garantindo a consistência temporal e espacial do ambiente.
O artigo propõe um novo quadro teórico que integra a teoria do estado de transição com a modelagem de redes dinâmicas para caracterizar e prever mudanças estruturais, como realinhamentos de facções, utilizando dados transversais sob suposições limitadas sobre microdinâmicas.
O artigo apresenta o NarrativeLoom, um sistema de co-criação baseado na teoria de Variação Cega e Retenção Seletiva de Campbell que, ao empregar múltiplas personas de IA e seleção humana, demonstrou em um estudo controlado com 50 participantes melhorar significativamente a originalidade, diversidade e qualidade objetiva das histórias criadas, especialmente para usuários iniciantes.
O artigo propõe uma estratégia de inferência que trata o raciocínio como minimização de incerteza, selecionando em cada passo a continuação que maximiza a autoconfiança interna do modelo, o que resulta em melhor desempenho e eficiência em tarefas matemáticas e de raciocínio em comparação com métodos existentes.
O artigo propõe o PromptGate, um framework adaptativo de Aprendizado Federado Ativo que utiliza prompts aprendíveis para purificar pools de dados não rotulados de ruído fora de distribuição em ambientes médicos heterogêneos, garantindo alta precisão na seleção de amostras sem comprometer a privacidade dos dados.
O artigo apresenta o RoTri-Diff, um modelo de aprendizado por imitação baseado em difusão que melhora a manipulação bimanual ao explicitamente modelar e impor restrições geométricas contínuas da interação triádica entre os dois braços robóticos e o objeto, resultando em trajetórias mais estáveis e coordenadas que superam os métodos atuais.
O artigo propõe o ACD-U, um framework de co-ensino assimétrico que combina um Vision Transformer pré-treinado com CLIP e uma CNN, integrando desaprendizagem de máquina para corrigir ativamente erros de seleção e alcançar desempenho de ponta em cenários com rótulos ruidosos.
Este artigo avalia sistematicamente visualizações de classe e atlas de ativação em modelos baseados em transformadores para patologia computacional, demonstrando que, embora essas técnicas revelem estruturas morfológicas coerentes em níveis de tecido e grupos amplos de câncer, sua eficácia diminui em subclasses sobrepostas, refletindo a complexidade intrínseca das representações aprendidas e a variabilidade entre especialistas.