6593 artigos
Este artigo propõe um programa linear inteiro misto e uma abordagem baseada em aprendizado para otimizar o agendamento de transmissões, potência e divisão de energia em redes IoT alimentadas por energia sem fio, demonstrando que a solução de aprendizado atinge 90% da performance ótima e aumenta em 25% a quantidade de pacotes recebidos pelo HAP em comparação com métodos concorrentes.
O artigo apresenta o Fuse4Seg, um novo framework que reformula a fusão de imagens médicas multimodais como um problema de otimização bi-nível orientado à segmentação, utilizando gradientes semânticos para preservar detalhes críticos e superar o estado da arte ao mesmo tempo em que oferece interpretabilidade clínica.
O artigo apresenta o AuthFace, um novo quadro de trabalho que utiliza um prior de difusão generativa orientado a rostos, treinado em um conjunto de dados de alta qualidade com anotações fotográficas e uma perda de características latentes sensível ao tempo, para restaurar rostos com alta autenticidade e detalhes, superando as limitações dos métodos atuais baseados em modelos de difusão texto-para-imagem.
O artigo apresenta o PPLLaVA, um modelo inovador que utiliza uma estratégia de agrupamento orientada por prompts para reduzir drasticamente a redundância e o custo computacional na compreensão de vídeos longos, mantendo alto desempenho em diversas tarefas de raciocínio visual.
Este estudo analisa dados agregados de redes relacionais de mais de 3.000 pessoas em situação de rua no Condado de King, WA, revelando um declínio na conectividade social e um aumento do isolamento ao longo do tempo, o que destaca a necessidade urgente de políticas que fomentem a construção de comunidade e reduzam o deslocamento.
Este trabalho apresenta um novo e eficiente framework de programação não-linear que integra decisões hierárquicas ao planejamento e controle de cinemática inversa, utilizando a norma para resolver problemas complexos como a seleção simultânea de locais de preensão e posições de efetuadores finais com maior precisão e versatilidade do que as abordagens atuais.
Este artigo apresenta um algoritmo otimizado para o cálculo de contagens populacionais posicionais (pospopcnt) utilizando instruções SIMD (AVX2, AVX-512 e ASIMD), alcançando velocidades próximas ao limite de transferência de memória mesmo para pequenos conjuntos de dados e oferecendo melhorias na estrutura do algoritmo, no tratamento de arrays desalinhados ou curtos e na acumulação de resultados intermediários.
O artigo propõe a estratégia CSP-FT, um método de ajuste fino parcial específico para características que, ao selecionar dinamicamente apenas duas camadas críticas de um modelo TTS baseado em LLM, alcança fidelidade e inteligibilidade comparáveis ao ajuste completo com apenas 8% dos parâmetros atualizados, acelerando o treinamento em duas vezes e mitigando o esquecimento catastrófico.
Este artigo propõe e analisa algoritmos adaptativos de seleção automática de links para controle de acesso múltiplo em canais com falhas, utilizando feedback de tipo "bandit" para maximizar uma função de utilidade côncava, oferecendo diferentes compromissos entre velocidade de convergência e complexidade computacional.
O artigo apresenta o FeatureGS, um método que aprimora a reconstrução 3D por Splatting Gaussiano ao introduzir uma função de perda geométrica baseada em autovalores, resultando em maior precisão geométrica, redução drástica de artefatos flutuantes e menor uso de memória, permitindo o uso direto dos centros dos Gaussianos para representação geométrica.
O artigo apresenta o PoI (Pixel-of-Interest), um quadro que aprimora a regressão de coordenadas da cena para localização visual ao combinar a síntese de novas vistas refinada por difusão com uma estratégia progressiva de filtragem de pixels baseada em erro de reprojeção, garantindo assim a confiabilidade dos dados sintéticos e alcançando desempenho superior em benchmarks padrão.
O artigo apresenta o {\lambda}Scale, um sistema de inferência serverless para grandes modelos de linguagem que utiliza redes RDMA de alta velocidade e a técnica "execute-while-load" para acelerar o dimensionamento de modelos, reduzindo a latência e os custos em comparação com soluções existentes.
Este artigo analisa conceitualmente como a Inteligência Artificial transforma a governança urbana ao redistribuir o poder discricionário e reconfigurar os mecanismos de responsabilidade, propondo o conceito de "discricionariedade responsável" e princípios orientadores para mitigar riscos como o viés de dados e a opacidade algorítmica.
Este artigo apresenta o SCOTT, uma arquitetura de tokenização rasa que combina viéses convolucionais com uma estrutura MIM-JEPA, permitindo que modelos Vision Transformers aprendam representações robustas a partir de zero em regimes de dados escassos, desafiando a necessidade de grandes conjuntos de dados e recursos computacionais massivos para aprendizado de representação em visão computacional.
O artigo propõe o CrackIVF, um índice adaptativo baseado em partições para busca de vizinhos mais próximos aproximada (ANNS) em data lakes, que permite respostas imediatas a consultas sem a necessidade de construção prévia de índices e evolui progressivamente para atingir desempenho comparável a técnicas convencionais, reduzindo o tempo de inicialização em até 1000 vezes.
Este artigo demonstra que uma abordagem simples de controle preditivo de modelo (MPC) baseada no algoritmo iLQR e no MuJoCo é surpreendentemente eficaz no mundo real, permitindo a generalização de políticas de locomoção e manipulação para robôs quadrúpedes e humanoides com poucas considerações de simulação para realidade.
O artigo apresenta o NAMI, um modelo de Transformer baseado em fluxo retificado que utiliza uma abordagem progressiva e em cascata espacial com um módulo BridgeFlow para gerar imagens de alta resolução com 64% menos tempo de inferência, mantendo a qualidade e introduzindo o benchmark NAMI-1K para avaliação.
O artigo apresenta o ECLARE, um método de super-resolução auto-supervisionado que melhora a resolução de volumes de ressonância magnética anisotrópica ao estimar o perfil da fatia e aprender mapeamentos intra-volumes, superando métodos existentes em recuperação de sinal e tarefas subsequentes sem sofrer de deslocamento de domínio.
Este artigo apresenta o controlador VISKY (Virtual Inertia Skyhook), uma lei de controle para amortecedores magnetorreológicos em suspensões semi-ativas que utiliza realimentação de aceleração para criar uma inércia virtual, melhorando o desempenho dinâmico sem exigir hardware adicional.
O artigo apresenta o EarthScape, um conjunto de dados multimodal pronto para IA que integra elevação, imagens aéreas e dados vetoriais para automatizar e escalar o mapeamento geológico superficial, demonstrando que as características do terreno oferecem o sinal preditivo mais confiável em comparação com dados espectros e de elevação brutos.