6365 artigos
O artigo apresenta o GarmentPainter, um framework eficiente que utiliza um modelo de difusão guiado por características do personagem e mapas de posição UV para sintetizar texturas de roupas 3D de alta fidelidade e consistentes, superando métodos existentes sem exigir alinhamento espacial rígido ou modificações na arquitetura do modelo.
Este trabalho reformula o reconhecimento de emoções ambíguas como um problema de raciocínio distribucional em Modelos de Linguagem e Áudio Grandes (LALMs), introduzindo um framework com objetivos alinhados a distribuições perceptivas humanas e supervisão estruturada de cadeia de pensamento que demonstra melhorias consistentes em tarefas de previsão de emoções ambíguas.
Este artigo apresenta uma nova estrutura unificada baseada em grupos de Lie e na teoria de hastes de Cosserat para modelar robôs macios contínuos, superando limitações de métodos existentes ao oferecer expressões analíticas unificadas para cinemática, estática e dinâmica, além de suportar estruturas complexas e garantir eficiência computacional para simulação e controle em tempo real.
Este estudo utiliza métodos de aprendizado profundo avançados e imagens ultra-widefield para avaliar a qualidade de imagem, detectar retinopatia diabética referível e edema macular diabético, demonstrando o alto desempenho de modelos como Vision Transformers e a eficácia da fusão de características e representações no domínio da frequência.
Este artigo propõe uma abordagem de estimativa de pose humana baseada em ondas milimétricas que substitui módulos de pré-processamento puramente orientados a dados por princípios físicos explícitos, resultando em um modelo significativamente mais leve e eficiente que mantém a precisão competitiva e permite a execução em tempo real em dispositivos de baixo custo como o Raspberry Pi.
O artigo apresenta o SiMO, um método inovador de percepção colaborativa multimodal que, através da fusão adaptativa LAMMA e de uma estratégia de treinamento específica, resolve problemas de incompatibilidade semântica e competição entre modalidades, garantindo desempenho robusto mesmo quando sensores críticos como o LiDAR falham.
Este artigo propõe uma reformulação topologicamente estável da Transformada de Hough para detecção de linhas em nuvens de pontos, substituindo o esquema de votação discretizado por uma função de pontuação contínua cujas características persistentes, identificadas via homologia persistente, geram um conjunto de linhas candidatas calculadas eficientemente por um novo algoritmo.
Este artigo propõe um novo conceito de mercado de capacidade europeu acoplado, baseado na lógica do acoplamento de fluxos, que demonstra reduzir os custos do sistema e garantir a fiabilidade ao otimizar a utilização da capacidade disponível entre zonas vizinhas respeitando as restrições da rede.
O artigo propõe o DynamicVGGT, um framework unificado de feed-forward que estende a percepção 3D estática para a reconstrução dinâmica 4D em direção autônoma, utilizando atenção temporal consciente do movimento e um cabeçalho de Gaussian Splatting 3D para modelar e otimizar o movimento de pontos com alta precisão.
O artigo apresenta o WaDi, um novo framework de destilação para síntese de imagem em um único passo que, baseado na descoberta de que as mudanças na direção dos pesos são mais críticas que as de norma, utiliza o adaptador LoRaD para alcançar desempenho de ponta com apenas 10% dos parâmetros treináveis.
O artigo apresenta o Seed2Scale, um motor de dados autoevolutivo que supera limitações na geração de dados para IA corporificada ao combinar a coleta de demonstrações por modelos leves, a avaliação de qualidade por modelos grandes e o aprendizado do modelo-alvo, resultando em um aumento significativo de desempenho e estabilidade durante iterações escaláveis.
O artigo apresenta o FinToolBench, o primeiro benchmark executável do mundo real projetado para avaliar agentes de IA no uso de ferramentas financeiras, oferecendo um ecossistema com 760 ferramentas executáveis e um novo framework de avaliação que prioriza a precisão, a conformidade regulatória e a estabilidade em cenários financeiros de alto risco.
Este trabalho propõe um método de aprendizado livre para o rastreamento de pose 6D de objetos que funde fluxo óptico baseado em eventos para propagação de pose com uma correção baseada em templates, superando as limitações de câmeras RGB-D em cenários dinâmicos de alta velocidade.
O artigo apresenta o SAIL, um quadro de aprendizado por imitação que utiliza busca em árvore Monte Carlo e modelos de linguagem visual para refinar iterativamente trajetórias de robôs durante o teste, demonstrando que aumentar a capacidade de computação no momento da execução melhora significativamente as taxas de sucesso em tarefas de manipulação complexas.
O artigo "Prototype-Guided Concept Erasure in Diffusion Models" propõe um método que utiliza protótipos derivados da geometria de incorporação latente para identificar e condicionar negativamente representações internas, permitindo a eliminação confiável de conceitos amplos e complexos em modelos de difusão sem comprometer a qualidade da imagem gerada.
Este artigo demonstra que a simplificação das representações observacionais e a implementação de um mecanismo de atribuição de crédito local (CGCA) permitem uma coordenação robusta e sem comunicação em cenários de perseguição-evasão 3D, superando abordagens dependentes de comunicação em termos de sucesso e resiliência a atrasos e ruídos.
O artigo propõe o OSCAR, um método baseado em representações implícitas neurais que realiza a reconstrução completa da anatomia vertebral a partir de imagens de ultrassom parciais sem necessidade de rótulos anatómicos, superando os desafios de sombreamento acústico e obtendo uma melhoria de 80% no desempenho em comparação com os métodos mais avançados.
Este artigo apresenta o BladeChain, um sistema baseado em blockchain que garante a rastreabilidade imutável e auditável das inspeções de pás de motores de aeronaves, integrando agendamento automatizado, proveniência de modelos de IA e registros criptográficos em uma rede de múltiplas partes interessadas para eliminar falhas manuais e prevenir adulterações.
O artigo apresenta o SP-CLIP, um framework leve que aprimora o reconhecimento de ações zero-shot ao utilizar prompts semânticos estruturados em múltiplos níveis de abstração para alinhar representações de vídeo com descrições textuais ricas, sem a necessidade de modificar os codificadores visuais ou aprender parâmetros adicionais.
Este artigo propõe um paradigma unificado de percepção-alinhamento-raciocínio para o Raciocínio Matemático Multimodal, sistematizando as abordagens atuais através de quatro questões fundamentais e destacando os desafios e direções futuras para superar as limitações na interpretação de diagramas, alinhamento de símbolos e verificação de passos intermediários.