3447 artigos
O artigo propõe o método BiLaLoRA, que combina uma perda direcionada por texto baseada em CLIP para orientação semântica não supervisionada e uma estratégia de LoRA de posicionamento em dois níveis para ajuste fino eficiente, alcançando resultados superiores em tarefas de remoção de neblina em imagens reais.
Os autores propõem uma arquitetura hierárquica que combina Aprendizado por Reforço e Controle Preditivo por Modelo para gerenciar o timing de contato em locomoção de robôs com pernas e híbridos, demonstrando a emergência de gaits acíclicos e transferência zero-shot bem-sucedida de simulação para realidade em plataformas de até 120 kg sem necessidade de randomização de domínio.
O artigo apresenta o VoxCare, um sistema escalável de sensores vestíveis que analisa comportamentos de comunicação natural de profissionais de saúde em tempo real sem armazenar áudio bruto, revelando como esses padrões refletem a carga de trabalho e o estresse para melhorar a entrega de cuidados.
O artigo apresenta o S2D, um novo pipeline que combina um modelo de difusão eficiente para corrigir artefatos em nuvens de pontos esparsas com uma estratégia de reconstrução robusta, permitindo a geração de cenas 3D de alta qualidade usando o mínimo possível de imagens de entrada.
Este artigo formaliza a seleção de respostas de DNS autoritativo como um domínio semântico limitado por restrições do protocolo, provando que qualquer mecanismo de seleção pode ser reduzido a uma forma normal finita e estabelecendo uma estrutura algébrica para analisar a composição, equivalência e expressividade entre sistemas heterogêneos.
Este estudo analisa como as arquiteturas de Redes Neurais Convolucionais influenciam a precisão do modelo e investiga fatores adicionais que afetam a eficiência computacional em ambientes de aprendizado distribuído, fornecendo insights para otimizar a implantação desses modelos em cenários intensivos em recursos.
Este artigo propõe um método de inferência multi-etapa sem treinamento para extração de fala do falante-alvo, que refina iterativamente a estimativa usando um modelo pré-treinado congelado e introduz uma otimização conjunta de métricas para equilibrar desempenho e preferências controláveis em cenários sem dados de referência.
Este estudo apresenta uma nova arquitetura de RPA para detecção de lesões de câncer oral, demonstrando que a implementação OC-RPAv2, ao utilizar o padrão Singleton e processamento em lote, reduz o tempo de previsão para 0,06 segundos por imagem, oferecendo uma melhoria de eficiência de 60 a 100 vezes em relação aos métodos padrão.
Este artigo apresenta um framework de aprendizado por imitação para toda a vida que utiliza replay latente multimodal e ajuste incremental de recursos para refinar continuamente políticas em tarefas sequenciais, estabelecendo novos recordes nos benchmarks LIBERO com ganhos significativos de desempenho e redução do esquecimento.
Este artigo apresenta o Huffman-Bucket Sketch (HBS), uma estrutura de dados simples e mesclável que comprime losslessly um esboço HyperLogLog para o espaço ótimo de bits, mantendo atualizações em tempo constante e a capacidade de mesclagem ao utilizar uma codificação Huffman baseada na distribuição concentrada de ranks.
O artigo apresenta o CBCTRepD, um sistema de IA generativa bilíngue que, ao ser treinado em um grande conjunto de dados de CBCT oral, demonstra melhorar significativamente a qualidade, a padronização e a precisão clínica dos laudos radiológicos, atuando como uma ferramenta eficaz para reduzir erros de omissão e elevar o desempenho de radiologistas em todos os níveis de experiência.
O artigo apresenta o STADA, um framework baseado em especificações que gera automaticamente cenários de teste diversificados para agentes de direção autônoma a partir de especificações formais em lógica temporal, demonstrando superioridade em cobertura e eficiência em comparação com métodos existentes.
Este artigo apresenta um estudo sobre subconjuntos minimamente insatisfiáveis (MUSs) de fórmulas 2-CNF, incluindo um procedimento de tempo linear para reconhecê-los, a análise da complexidade computacional para encontrar MUSs específicos e um algoritmo incremental polinomial para MUSs que contêm cláusulas unitárias.
Este artigo propõe o modelo SSL-V3, que integra uma avaliação de qualidade de vídeo sem referência ao aprendizado auto-supervisionado em um Transformer de visão para vídeo, utilizando a pontuação de qualidade como fator de ajuste para melhorar a precisão da classificação de vídeo, especialmente em cenários com baixa qualidade visual.
O artigo apresenta o Med-DualLoRA, um framework de ajuste fino federado e eficiente em parâmetros para modelos de fundação em RM cardíaca 3D, que utiliza adaptações LoRA locais e globais para preservar a privacidade dos dados, reduzir custos de comunicação e melhorar o desempenho em ambientes multi-centro heterogêneos.
O artigo propõe o VCR, um novo framework de aprimoramento de imagens em baixa luminosidade que utiliza os módulos de Ajuste Adaptativo de Canal e Alinhamento de Distribuição de Cor para resolver inconsistências entre luminância e crominância, alcançando desempenho superior ao estado da arte em diversos conjuntos de dados.
Este relatório resume os debates e recomendações do workshop da NSF sobre co-design de algoritmos e hardware para aplicações médicas, reunindo especialistas para traçar uma estratégia que priorize investimentos em infraestrutura compartilhada, sistemas adaptados ao fluxo de trabalho clínico e validação escalável para acelerar a tradução segura de tecnologias médicas inovadoras.
Este trabalho propõe um quadro de controle adaptativo que combina controle de impedância cartesiana e aprendizado por reforço para permitir que um robô aprenda e ajuste dinamicamente as forças de interação necessárias para raspar amostras de materiais heterogêneos em frascos, superando abordagens de força fixa tanto em simulação quanto em configurações reais.
O artigo apresenta o PPGuide, um framework leve baseado em classificadores que utiliza aprendizado de múltiplas instâncias auto-supervisionado para treinar um preditor de desempenho que guia, em tempo real, políticas de difusão pré-treinadas para evitar modos de falha e melhorar a robustez em tarefas de manipulação robótica.
Este artigo apresenta um algoritmo quase ótimo para amostragem de Poisson em junções acíclicas, que combina a construção de um índice de acesso aleatório com um processo de sondagem para gerar amostras de forma eficiente em bancos de dados colunares, superando métodos tradicionais e oferecendo uma base unificada para o processamento de junções e amostragem.