3462 artigos
O artigo apresenta o Poly-DETR, um modelo baseado em Transformers que reformula a segmentação de instâncias como regressão de vértices esparsos via representação polar, superando métodos de última geração em precisão e eficiência computacional em cenários de alta resolução e domínios específicos.
Este artigo apresenta o \tool{}, um framework automatizado que explora a "Programação Orientada a Raciocínio" para burlar os mecanismos de segurança de Modelos de Linguagem e Visão (LVLMs), combinando entradas visuais benignas e ortogonais que só geram lógica maliciosa durante o processo de raciocínio tardio, superando assim as defesas atuais focadas em padrões explícitos.
O artigo apresenta o RF-Mem, um recuperador de memória adaptativo que personaliza modelos de linguagem simulando o processo cognitivo humano ao alternar dinamicamente entre busca por familiaridade e reconstrução deliberada por recordação, superando assim as limitações de métodos existentes em termos de precisão e escalabilidade.
Este artigo apresenta o "Platooning as a Service" (PlaaS), uma estrutura de suporte à decisão baseada em um jogo de Stackelberg que otimiza a interação entre provedores e usuários de veículos autônomos conectados, demonstrando como políticas de preços e subsídios governamentais podem maximizar lucros e reduzir emissões de carbono, especialmente em operações de alta velocidade e urgência.
O artigo propõe o framework DiP, uma nova abordagem para aprendizado de representação em grafos multimodais que utiliza nós pseudo-específicos e caminhos de informação dinâmicos para alcançar propagação de mensagens adaptativa, expressiva e esparsa com complexidade linear, superando métodos existentes em tarefas como previsão de links e classificação de nós.
Este artigo apresenta um novo quadro de trabalho para navegação visão-linguagem que utiliza vídeos de tours de ambientes reais da web e representações geométricas implícitas para superar as limitações de escalabilidade e diversidade dos simuladores, estabelecendo novos recordes de desempenho e permitindo agentes de navegação zero-shot mais robustos.
Este estudo investiga como a latência afeta a fluidez da interação e a presença social em conferências de realidade virtual, comparando-as com videoconferências tradicionais por meio de experimentos subjetivos que avaliam a percepção de qualidade e a compreensão cognitiva das intenções alheias.
Este artigo investiga o problema de emparelhamento não cruzado online ponderado no plano euclidiano, demonstrando que algoritmos determinísticos não garantem uma razão competitiva não trivial, enquanto algoritmos aleatorizados alcançam uma razão constante, além de estabelecer limites para variantes com revocabilidade, pontos colineares e complexidade de aconselhamento.
O artigo propõe o TPIFM, um modelo orientado a tarefas que avalia a fluidez da interação perceptiva em colaboração remota com Realidade Aumentada, utilizando a diferença de just-noticeable (JND) específica de cada tarefa para prever como atrasos e interrupções de rede afetam a experiência do usuário.
O artigo apresenta o ForgeDreamer, um novo framework que supera as limitações atuais na geração de modelos 3D industriais a partir de texto ao combinar um mecanismo de ensemble Multi-Expert LoRA para evitar interferência de conhecimento entre categorias e uma abordagem de hipergrafo multivista para capturar dependências estruturais de alta ordem essenciais para a precisão na manufatura.
O artigo apresenta o "FungiSync", uma experiência de realidade mista que traduz a interdependência das redes micorrízicas em um ritual participativo onde o toque físico entre os participantes entrelaça suas percepções digitais individuais, promovendo uma epistemologia fúngica que desafia o individualismo acelerado da era pós-humana.
Este artigo propõe novas estratégias de treinamento e funções de perda que encurtam as listas de Gaussianas necessárias para renderizar pixels, acelerando significativamente o processo de aprendizado do 3D Gaussian Splatting sem comprometer a qualidade da renderização.
O artigo apresenta o SVOR, um novo framework robusto que supera os desafios de remoção de objetos em vídeos sob condições imperfeitas, como sombras e máscaras defeituosas, através de três inovações principais: a estratégia MUSE para fusão de máscaras, o cabeçote de segmentação DA-Seg e um treinamento em duas etapas com currículo, alcançando resultados state-of-the-art e viabilizando aplicações no mundo real.
Este trabalho propõe um novo método de aprendizado de campos de características que permite, pela primeira vez, um modelo feed-forward para decomposição convexa em cenários abertos, gerando decomposições de alta qualidade de formas 3D essenciais para simulações físicas e generalizando-se para diversas representações geométricas.
O artigo apresenta o CogBlender, um framework inovador que permite a intervenção contínua e multidimensional de propriedades cognitivas (como valência, excitação, domínio e memorabilidade) na geração de imagens a partir de texto, alinhando a criação visual a intenções psicológicas específicas através da reformulação do campo de velocidade no processo de correspondência de fluxo.
O artigo apresenta o MDTrack, um novo framework para rastreamento de objetos multimodal que supera as limitações das abordagens existentes ao utilizar fusão adaptativa baseada em Mixture of Experts e propagação temporal desacoplada via State Space Models, alcançando desempenho state-of-the-art em cinco benchmarks.
O artigo apresenta o ToolRosetta, um quadro unificado que automatiza a tradução de repositórios de código de código aberto em ferramentas compatíveis com o Protocolo de Contexto de Modelo (MCP), permitindo que agentes de modelos de linguagem de grande escala executem tarefas complexas com intervenção humana mínima e garantias de segurança.
O artigo apresenta o SPR (See, Plan, Rewind), um modelo de visão-linguagem-ação que melhora a manipulação robótica ao monitorar o progresso do tarefa através de marcos espaciais, permitindo o planejamento de trajetórias e a recuperação automática de falhas, o que resulta em maior robustez e generalização em benchmarks desafiadores.
Este estudo investiga sistematicamente como a latência afeta a Qualidade de Experiência (QoE) em quadros brancos de realidade virtual em rede, classificando-a em aspectos pragmáticos e hedônicos e analisando suas variações entre diferentes modos de colaboração e plataformas (com e sem avatares) em comparação com uma base PC tradicional.
O CORAL é um framework escalável para aprendizado robótico multi-tarefa que utiliza especialistas LoRA leves e isolados para mitigar interferências entre tarefas e evitar o esquecimento catastrófico, permitindo a adaptação contínua a novos comandos em tempo real sem sobrecarga de inferência.