5633 artigos
Este artigo apresenta o hPGA-DP, uma nova política de difusão híbrida que incorpora a Álgebra Geométrica Projetiva (PGA) na arquitetura da rede para melhorar a eficiência do treinamento e o desempenho em tarefas de manipulação robótica, superando métodos convencionais ao reduzir a redundância no aprendizado de conceitos espaciais fundamentais.
Este artigo apresenta o MCULoRA, uma abordagem inovadora de adaptação de baixo rank que decopla informações compartilhadas e ajusta dinamicamente o treinamento para superar conflitos de gradientes e melhorar o reconhecimento de emoções em cenários multimodais incompletos.
O artigo apresenta o Mamba Snake, um novo framework de "snake" profundo baseado em modelagem de espaço de estados que supera os métodos atuais na segmentação unificada de imagens médicas ao integrar modelagem topológica inter-orgânica, refinamento morfológico adaptativo e mecanismos de sinergia de classificação para melhorar a precisão em estruturas heterogêneas.
O artigo apresenta o , uma rede neural feed-forward permutação-equivariante que realiza reconstrução geométrica visual de alta precisão sem depender de uma vista de referência fixa, alcançando desempenho superior em tarefas como estimativa de pose de câmera e reconstrução de mapas de pontos densos.
Este artigo propõe um framework de aprendizado profundo baseado em Vision Transformer (ViT) que utiliza análise de espaço de características e um índice de confiança para expandir anotações manuais limitadas, permitindo a segmentação precisa de áreas afetadas por desastres em imagens de satélite Sentinel-2 e Formosat-5 para aprimorar produtos de valor agregado emergenciais.
Este artigo apresenta um levantamento e uma taxonomia abrangentes das abordagens de auto-escalabilidade para aplicações de microsserviços desde 2018, analisando cinco dimensões fundamentais para otimizar a eficiência de recursos e custos enquanto garante o cumprimento dos Acordos de Nível de Serviço (SLA).
O artigo apresenta o BrownoutServe, um novo framework de inferência para modelos LLM baseados em MoE que otimiza a eficiência e mantém a confiabilidade sob cargas de trabalho explosivas, utilizando "expertos unidos" para reduzir a latência e um mecanismo de "brownout" dinâmico para ajustar o processamento de tokens, resultando em um aumento de até 2,07x no throughput e uma redução de 90,28% nas violações de objetivos de nível de serviço (SLO) em comparação com o vLLM.
Este artigo apresenta o C-Koordinator, uma plataforma de código aberto desenvolvida pela Alibaba que utiliza modelos de previsão de interferência baseados em CPI para gerenciar clusters de microsserviços em grande escala e co-localizados, reduzindo significativamente a latência e mitigando a competição por recursos em ambientes heterogêneos.
Este artigo apresenta um novo sensor tátil de rolagem de alta velocidade que integra uma câmera neuromórfica e uma estratégia de fusão bayesiana para realizar inspeção de superfícies grandes com reconstrução 3D de alta resolução, alcançando velocidades de varredura 11 vezes superiores aos métodos contínuos anteriores com erro médio absoluto inferior a 100 micrômetros.
Este artigo investiga a aplicação da Execução Simbólica Dinâmica para análise de diferenças semânticas em arquiteturas de componentes e conectores baseadas em modelos MontiArc, demonstrando seu potencial para identificar traços de execução críticos, embora a escalabilidade em sistemas maiores permaneça uma limitação significativa.
O artigo apresenta o MIDAR, um modelo substituto de detecção LiDAR que utiliza características de alto nível de simuladores de tráfego microscópicos para gerar percepções realistas com baixo custo computacional, superando as limitações de escalabilidade dos simuladores baseados em motores de jogo e validando sua eficácia tanto em dados sintéticos quanto reais.
Este artigo apresenta o TransUNet-GradCAM, um modelo híbrido que combina Transformers e U-Net para segmentar úlceras de pé diabético com alta precisão e interpretabilidade, demonstrando robusta generalização em conjuntos de dados externos sem necessidade de retreinamento.
O artigo apresenta o S²Q-VDiT, um framework de quantização pós-treinamento para transformadores de difusão de vídeo que utiliza seleção de dados salientes e destilação de tokens esparsos para alcançar desempenho sem perdas, compressão de 3,9 vezes e aceleração de 1,3 vezes sob quantização W4A6.
O artigo apresenta o SPEX, o primeiro modelo de linguagem visual multimodal dedicado à extração de cobertura do solo em imagens de sensoriamento remoto espectrais, que supera os métodos existentes ao utilizar um novo conjunto de dados instrucional (SPIE) e estratégias de treinamento específicas para explorar eficazmente informações espectrais e gerar explicações textuais.
Este trabalho apresenta a primeira avaliação de métodos de 3D Gaussian Splatting em imagens de olho de peixe com campo de visão superior a 180°, demonstrando que a reconstrução atinge seu melhor desempenho em 160° e introduzindo uma inicialização baseada em profundidade com UniK3D que supera os desafios de geometria em cenas com distorção extrema, neblina ou céu aberto.
Este artigo apresenta a validação experimental, utilizando rádios definidos por software, da comunicação coverta em radiofrequência com segurança comprovada, confirmando as previsões teóricas sobre a Lei da Raiz Quadrada e abrindo novas vias para a implementação prática desses sistemas.
Este artigo apresenta uma estrutura unificada e semanticamente fundamentada para adaptação de domínio em segmentação de imagens médicas, que aprende um manifold probabilístico agnóstico ao domínio para capturar regularidades anatômicas, permitindo adaptação eficaz tanto em cenários com acesso à fonte quanto sem ela, alcançando resultados state-of-the-art em conjuntos de dados cardíacos e abdominais.
O artigo apresenta o Video-EM, um framework sem treinamento que melhora a compreensão de vídeos longos ao transformar a tarefa de resposta a perguntas em uma construção episódica centrada em eventos, utilizando um agente de memória baseado em LLM para organizar, refinar e consolidar evidências temporais coerentes em uma linha do tempo compacta e confiável.
O artigo apresenta o UniUGG, o primeiro framework unificado para compreensão e geração de modalidades 3D, que integra um LLM, um decodificador espacial baseado em difusão latente e uma estratégia de aprendizado geométrico-semântico para realizar tarefas avançadas de geração de cenas 3D e perguntas visuais espaciais.
O UniCast é um framework multimodal eficiente em parâmetros que aprimora os modelos fundamentais de séries temporais através de prompts condicionados à instância e roteamento dinâmico de modalidades, permitindo previsões adaptativas que superam os métodos existentes ao integrar contextos de séries temporais, visão e texto.