3447 artigos
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.
O artigo apresenta o "World Mouse", um cursor de realidade cruzada que reinterpreta o mouse 2D para interações em cenas 3D complexas, combinando normais de superfície para precisão em objetos e interpolação para navegação no espaço vazio, permitindo assim interações fluidas entre ambientes físicos e virtuais.
Este artigo apresenta o Dataset e a Métrica de Fidelidade de Cor (CFD e CFM) para avaliar objetivamente a autenticidade cromática em gerações de imagem, além de propor um método de refinamento (CFR) que corrige a tendência de imagens excessivamente vívidas, formando um framework progressivo para melhorar a fidelidade realista na geração de imagens por texto.
O artigo apresenta o TreeON, uma nova estrutura baseada em redes neurais que reconstrói nuvens de pontos 3D detalhadas de árvores a partir de uma única ortofoto e um Modelo Digital de Superfície (DSM), utilizando um conjunto de dados sintético e uma estratégia de supervisão combinada para superar a falta de dados reais de treinamento e alcançar generalização eficaz em cenários do mundo real.
Este estudo de laboratório analisa o impacto dos algoritmos de criptografia pós-quântica (pura e híbrida) em comparação com os tradicionais em todas as camadas de transações HTTP sobre TLS 1.3, utilizando testes de carga para avaliar o desempenho em diferentes tamanhos de resposta.
O artigo propõe uma camada de sinalização colaborativa que transforma avaliações de preferência em sinais online para delegação, criando perfis de capacidade e indicadores de risco de coordenação que permitem uma interação humano-agente mais transparente, auditável e adaptativa.