7777 artigos
Este artigo apresenta um framework robusto de detecção de uma única etapa para raquetes de badminton em robôs móveis, que inclui a criação de um novo conjunto de dados anotados semi-automaticamente, o desenvolvimento de um pipeline de anotação eficiente e a otimização de uma rede YOLOv8 para detecção em tempo real em viewpoints dinâmicos e ambientes variados.
O artigo apresenta o HARP, um framework de aprendizado profundo que harmoniza dados de ressonância magnética de difusão in vivo entre diferentes scanners utilizando exclusivamente treinamento com fantomas, eliminando a necessidade de sujeitos humanos viajantes e viabilizando estudos clínicos em grande escala.
Este artigo apresenta um método que utiliza rastreamento ocular sequencial como supervisão para guiar modelos de visão e linguagem na radiologia, introduzindo tokens de olhar que ensinam o modelo a adquirir evidências visuais de forma temporalmente ordenada, semelhante ao raciocínio humano, resultando em desempenho superior e maior robustez.
Este artigo demonstra que a destilação de conhecimento assimétrica de um Vision Transformer para CNNs de capacidade limitada no CIFAR-10 induz um colapso dimensional severo que reduz a imunidade ao ruído do modelo, revelando um trade-off crítico onde restrições de capacidade extremas atuam como filtros de baixa frequência mais robustos do que modelos ligeiramente maiores que sofrem de fragilidade geométrica.
Este artigo apresenta o gRef-CW, o primeiro conjunto de dados para Grounding Visual Generalizado na agricultura que inclui expressões negativas, e propõe o framework modular Weed-VG para superar as limitações dos modelos atuais na localização de instâncias de culturas e ervas daninhas em condições de campo.
Este artigo apresenta o SIQA, um novo framework e benchmark para avaliação de qualidade de imagens científicas que, ao diferenciar entre validação de conhecimento e percepção visual, revela que os modelos de linguagem multimodal atuais conseguem alinhar-se bem com as avaliações de especialistas, mas ainda possuem compreensão científica substancialmente inferior.
Este artigo apresenta a Quinta Forma Normal de Grafos (5GNF), um framework baseado em "traits" que normaliza metadados em grafos de propriedades ao transformar atributos descritivos repetitivos em nós de trait compartilhados, reduzindo redundâncias e melhorando a clareza semântica sem comprometer o desempenho.
Este artigo apresenta uma abordagem que estende a mineração de especificações a tipos de dados mais ricos, unificando a síntese de transformações de dados e especificações temporais via TSL para gerar programas reativos com maior eficiência de amostragem e robustez em comparação a métodos tradicionais baseados em abstração booleana.
Este artigo apresenta a "kiri-spoon", uma colher de utensílio reconfigurável baseada em pivô e kirigami, desenvolvida em colaboração com stakeholders para permitir que adultos com tremores essenciais ou Parkinson possam alimentar-se de forma independente ou assistida por robôs, prevenindo derramamentos ao permitir que o usuário aperte as alças para prender ou escorar os alimentos.
Este artigo apresenta uma abordagem de planejamento hierárquico que integra dados suplementares de satélites geoestacionários para melhorar o desempenho do direcionamento dinâmico de observações de satélites, superando as limitações de sensores a bordo e alcançando ganhos de até 41% em cenários como evasão de nuvens e caça a tempestades.
O artigo propõe o paradigma Universal Watermark Presence Detection (UWPD) e o modelo FSNet, que utilizam o conjunto de dados UniFreq-100K para detectar a presença de marcas d'água invisíveis em imagens de forma agnóstica aos algoritmos de incorporação, superando as limitações dos métodos existentes que dependem de conhecimento prévio.
O artigo apresenta o HERO, um novo quadro unificado para a tarefa de Ancoragem Temporal de Frases em Vídeos com Vocabulário Aberto (OV-TSGV), que introduz benchmarks dedicados e supera os métodos existentes ao alinhar efetivamente vídeo e linguagem através de embeddings hierárquicos e refinamento cruzado.
Este artigo apresenta um novo quadro de aprendizado profundo com atenção multiplicativa externa que integra mapas de biomarcadores vasculares, como tortuosidade e dropout, derivados de OCTA, para melhorar a detecção interpretável e clinicamente relevante da degeneração macular relacionada à idade (DMRI).
O artigo descreve o experimento "Agent Hunt", que utiliza um mercado simulado baseado em recompensas para coordenar múltiplos agentes de LLM em uma busca colaborativa e descentralizada por provas e definições formais de topologia algébrica dentro de um ambiente de Prova Teórica Interativa.
O artigo apresenta o ResearchEnvBench, um novo benchmark que avalia a capacidade de agentes autônomos de sintetizar ambientes de execução para código de pesquisa, revelando lacunas significativas nas soluções atuais quanto à resolução de dependências e compatibilidade de versões.
O artigo apresenta o ViroGym, um benchmark abrangente que avalia modelos de linguagem proteica em proteínas virais utilizando dados de variação profunda e tarefas de neutralização para orientar a seleção racional de antígenos e a previsão de mutações dominantes.
O artigo apresenta o ButterflyViT, um método inovador que supera as limitações de memória linear dos Mixture of Experts (MoE) em Vision Transformers para dispositivos de borda, alcançando uma redução de 354 vezes no uso de memória ao representar especialistas como reorientações geométricas de um substrato compartilhado, mantendo a precisão em tarefas de classificação de imagens.
Este artigo apresenta uma revisão abrangente dos modelos fundamentais robóticos (RFMs) e propõe um novo framework de avaliação com 149 critérios para analisar sua prontidão industrial, concluindo que, embora promissores, os modelos atuais ainda possuem maturidade limitada para aplicações industriais devido à falta de integração sistemática de segurança, tempo real e robustez.
O artigo apresenta o XMACNet, uma rede neural convolucional leve e explicável que combina imagens RGB e índices de vegetação por meio de atenção automática e fusão multimodal para classificar doenças em pimenteiros com alta precisão, superando modelos existentes e permitindo implantação em dispositivos de borda.
Este artigo apresenta o EarthBridge, um framework de tradução de imagens de alta fidelidade que combina modelos de ponte de difusão implícita e aprendizado contrastivo não emparelhado para converter eficazmente imagens aéreas entre os sensores SAR, EO e IR, alcançando a segunda posição no desafio MAVIC-T.