3451 artigos
Este artigo demonstra que a seleção de um subconjunto adequado de marcos corporais, combinada com técnicas de imputação por splines e o uso do MediaPipe, permite reconhecer sinais isolados da LIBRAS com precisão superior ou comparável aos métodos atuais, reduzindo o tempo de processamento em mais de 5 vezes.
O artigo apresenta o FRIDA, um framework leve e eficiente que utiliza características de modelos de difusão pré-treinados para detectar imagens sintéticas e identificar sua fonte geradora, alcançando resultados de última geração no benchmark GenImage com dados limitados.
O artigo apresenta o EgoMI, um framework que supera a lacuna de corporificação na aprendizagem por imitação ao capturar e retargetar trajetórias sincronizadas de mãos e cabeça de demonstrações humanas, permitindo que robôs semi-humanoides aprendam manipulação ativa e coordenada com visão dinâmica.
O artigo propõe o SPAN (Spatial-Projection Alignment), um novo método para detecção 3D monocular que supera as limitações de consistência geométrica dos detectores existentes ao alinhar espacialmente as caixas 3D previstas com os verdadeiros e garantir que sua projeção 2D corresponda às caixas de detecção na imagem, resultando em melhor desempenho e estabilidade de treinamento.
O artigo propõe o V-Attack, um novo método de ataque adversarial para Modelos Visuais-Linguísticos de Grande Escala (LVLMs) que supera as limitações de controle semântico existentes ao manipular diretamente as características de valor (V) desentrelaçadas, resultando em uma taxa de sucesso de ataque significativamente maior ao permitir a alteração precisa de conceitos locais nas imagens.
O artigo apresenta o AFRO, um framework de aprendizado auto-supervisionado que gera representações 3D dinâmicas e conscientes de ações para robótica, superando métodos existentes ao modelar transições causais sem necessidade de supervisão por reconstrução geométrica ou dados de ação, resultando em taxas de sucesso significativamente maiores em tarefas de manipulação.
Este trabalho apresenta o primeiro framework formal para Modelos de Mundo Audiovisuais (AVWM), introduzindo o conjunto de dados AVW-4k e o modelo AV-CDiT para simular dinâmicas ambientais sincronizadas de áudio e vídeo, demonstrando melhorias significativas em tarefas de navegação contínua.
O artigo demonstra que um método exato simples resolve a maioria das instâncias clássicas de benchmark do Problema do Caixeiro Viajante com Janelas de Tempo em menos de dez segundos, concluindo que essas instâncias não são mais representativas para avaliação de desempenho e exigem cautela no desenho de conjuntos de treinamento para algoritmos de aprendizado de máquina.
O artigo AVGGT propõe um esquema de aceleração sem treinamento que, baseado na análise das funções das camadas de atenção global, converte camadas iniciais em atenção de quadro e subsampleia as camadas finais, resultando em ganhos de velocidade de 2x a 10x em modelos como VGGT e sem comprometer a precisão em cenários de visão 3D multi-visão densa.
O artigo apresenta o UniBYD, um framework unificado que utiliza aprendizado por reforço dinâmico e uma representação morfológica unificada para superar as limitações da imitação humana, permitindo que políticas de manipulação robótica se adaptem eficientemente a diversas configurações de mãos robóticas, resultando em um aumento significativo na taxa de sucesso em comparação com o estado da arte.
Este artigo propõe o framework auto-supervisionado "Decomposition and Composition" para aprendizado de representação de ações humanas baseadas em esqueleto multimodal, que equilibra eficiência computacional e desempenho ao decompor e recompor características de diferentes modalidades, superando as limitações das fusões tardia e precoce existentes.
Este artigo apresenta o DivGenBench, um novo benchmark para quantificar o colapso de modo de preferência em modelos de difusão, e propõe o D²-Align, um framework que mitiga esse problema ao corrigir direcionalmente o sinal de recompensa, preservando assim a diversidade gerativa sem comprometer a qualidade.
Este artigo apresenta o Preguss, um framework modular que combina análise estática e modelos de linguagem para automatizar a geração e refinamento de especificações formais, permitindo a verificação de programas de grande escala com mais de 1000 linhas de código e reduzindo o esforço humano em até 88,9%.
Este artigo oferece uma revisão estruturada das comunicações semânticas digitais, destacando suas diferenças arquitetônicas em relação às abordagens analógicas, mapeando suas ameaças de segurança específicas e propondo direções de pesquisa para o desenvolvimento de sistemas seguros e implantáveis.
Este artigo propõe o SeLop, um método de intervenção em subespaço ortogonal de baixo posto que mitiga o viés espúrio de baixa ordem no CLIP ao isolar e remover fatores de correlação irrelevante, permitindo assim uma detecção de falsificação facial mais generalizável e robusta com poucos parâmetros treináveis.
Este artigo propõe uma abordagem centrada em objetivos para avaliar métodos de engenharia de requisitos voltados à Privacidade desde a Concepção (PbD), sugerindo que a adequação desses métodos deve ser medida com base nas metas organizacionais em vez de apenas nas características do processo.
O artigo apresenta o CovertComBench, um novo *benchmark* específico para avaliar a capacidade de Modelos de Linguagem Grandes (LLMs) em comunicações covert sem fio, revelando que, embora eficazes em conceitos e geração de código, eles ainda falham em realizar as derivações matemáticas complexas necessárias para garantir a segurança, indicando a necessidade de ferramentas externas para sistemas de IA confiáveis.
Este estudo propõe uma abordagem de aprendizado fraco supervisionado para pré-treinar uma rede de detecção (HerdNet) em imagens aéreas do Ártico, permitindo a detecção e contagem robusta de caribus em ambientes desafiadores e com dados limitados, superando os métodos tradicionais baseados em pesos genéricos.
Este artigo propõe um método inovador para detecção de imagens geradas por IA que explora a generalização dos componentes finais comuns das arquiteturas de geradores, alcançando uma precisão média de 98,83% em testes com geradores não vistos ao treinar um detector para distinguir imagens reais de versões "contaminadas" por esses componentes.
O artigo apresenta o RegionReasoner, um framework de aprendizado por reforço que aprimora o raciocínio visual multi-round ao exigir citações explícitas de caixas delimitadoras e garantir coerência semântica global-local, validado por um novo benchmark chamado RegionDial-Bench.