3900 artigos
Este artigo apresenta um conjunto de dados confiável de movimentos de tênis de mesa e propõe um modelo de rede neural convolucional de grafo espaço-temporal que prevê efetivamente posições de articulações ocluídas para melhorar a precisão do reconhecimento de movimento sob oclusão de membros.
Este artigo propõe um modelo de Aprendizado de Transformer baseado em Redes Adversárias Generativas de Ciclo com Kernel Gaussiano Linear (LGKCGAN-TL) que integra a remoção de ruído de imagem, o aumento de dados baseado em GAN e o Aprendizado de Transformer Correlativo de Rosenthal para alcançar a predição de acidente vascular cerebral em estágio inicial com alta precisão e baixa latência, aproveitando dados de conjuntos de dados de Parkinson e de doenças de pele.
Este estudo utiliza uma plataforma de pesquisa apoiada por IA para demonstrar que as soluções híbridas humano-IA são a abordagem mais frequentemente preferida e equilibrada na tomada de decisão em engenharia de software, alcançando alta criatividade ao mesmo tempo em que mantém precisão e confiança comparáveis às soluções exclusivamente humanas, sugerindo, assim, que o ensino de engenharia deve focar na integração da IA como uma ferramenta colaborativa em vez de um substituto para o julgamento humano.
Este artigo propõe um framework de representação de características espaço-temporais híbrido que integra características baseadas em contraste, de nível de objeto e de nível de cena para aumentar a capacidade discriminativa e a consistência temporal, demonstrando um desempenho aprimorado de sumarização de vídeo nos conjuntos de dados TVSum e SumMe em comparação com abordagens convencionais.
Este artigo propõe um método de geração de textura de malha de difusão dupla que integra a percepção geométrica multimodal para superar distorções de mapeamento UV e limites de resolução, aumentando significativamente o realismo visual, a consistência geométrica e a diversidade de texturas 3D geradas em comparação com as abordagens existentes.
Este artigo propõe o QRISP, uma estrutura de representação de imagens quânticas eficiente em recursos e independente de resolução que codifica imagens por meio de descritores estatísticos de blocos para reduzir significativamente a complexidade do circuito e os requisitos de qubits para o hardware NISQ, mantendo ao mesmo tempo um desempenho de classificação competitivo.
Este artigo propõe um framework unificado de dois ramos que otimiza conjuntamente a fusão de imagens médicas trimodais e a super-resolução ao empregar ramos especializados de estrutura e função com um módulo de atenção cruzada bidirecional para aumentar a integração de características complementares e produzir representações fundidas de alta qualidade.
O artigo propõe o LACL-OCR, um framework de OCR de documentos leve que melhora o desempenho ao combinar uma estratégia de aprendizado por currículo baseada em heurística para organizar o treinamento de amostras fáceis para difíceis com uma nova função de perda consciente de layout (Layout-Aware Loss), alcançando resultados de estado da arte no OmniDocBench sem aumentar os parâmetros do modelo ou os custos de inferência.
Este artigo argumenta que alcançar a justiça linguístico-epistêmica para o isiZulu e outras línguas africanas na educação mediada por IA requer ir além da mera geração de texto para estabelecer um quadro de governança que trate essas línguas como infraestruturas válidas para o raciocínio, a identidade e a autoridade intelectual por meio de representação de dados equitativa, agência docente e responsabilidade institucional.
Este estudo estabelece um framework de seleção de modelos consciente da complexidade para substitutos de simulação estrutural ao demonstrar que, embora modelos baseados em descritores sejam suficientes para geometrias simples, redes neurais de grafos baseadas em malha tornam-se necessárias e significativamente mais precisas conforme a complexidade topológica aumenta, definindo, assim, uma fronteira graduada para a escolha ideal do substituto.