3463 artigos
O artigo apresenta o YOLO-NAS-Bench, o primeiro benchmark de substituição para busca de arquitetura neural em detectores YOLO, que utiliza um mecanismo de autoevolução para aprimorar um preditor baseado em LightGBM, permitindo a descoberta eficiente de arquiteturas que superam os modelos oficiais YOLOv8 a YOLO12.
O artigo apresenta o RiO-DETR, o primeiro detector baseado em transformers capaz de realizar detecção de objetos orientados em tempo real, superando desafios como periodicidade angular e convergência lenta através de designs nativos de tarefa que estabelecem um novo equilíbrio entre velocidade e precisão.
Este artigo propõe um quadro unificador para os teoremas de dicotomia de complexidade em redes de tensores booleanos, classificando os problemas não resolvidos em nove casos baseados em grupos finitos de matrizes complexas e apresentando avanços significativos na resolução de casos cíclicos de ordem superior.
O artigo apresenta o CIGPose, um framework baseado em redes neurais gráficas e intervenção causal que elimina correlações espúrias do contexto visual para gerar estimativas de pose corporal inteira mais robustas e anatomicamente plausíveis, estabelecendo um novo estado da arte no conjunto de dados COCO-WholeBody.
O artigo apresenta o MetaDAT, um método de previsão de trajetória que combina um framework de meta-aprendizado para pré-treinamento e um mecanismo de atualização adaptativa de dados em tempo de teste, superando os métodos atuais ao lidar com mudanças de distribuição e garantindo alta precisão e eficiência em cenários desafiadores.
Este artigo analisa como vulnerabilidades binárias em módulos WebAssembly podem comprometer a segurança de aplicações web ao permitir a exploração de falhas como injeção SQL e XS-Leaks, propondo estratégias defensivas para mitigar esses riscos.
Este artigo apresenta a construção de um functor que atribui dinâmica a um modelo algébrico de componentes interagentes, generalizando o modelo computacional AlChemy de Fontana e Buss e explorando o uso da teoria das categorias para formalizar a conexão entre as facetas algébricas e dinâmicas da química artificial.
O artigo apresenta o GIIM, uma abordagem baseada em grafos que melhora o diagnóstico médico automatizado ao modelar simultaneamente as dependências intra-visão e inter-visão das anomalias, garantindo robustez mesmo na presença de dados incompletos.
O artigo "ShapeMark" apresenta um método de marca d'água robusto e que preserva a diversidade para modelos de difusão, superando as limitações das abordagens existentes ao codificar bits de marca d'água em padrões estruturados de ruído e introduzir um design de randomização que evita padrões fixos, garantindo alta qualidade de geração e resistência em cenários com perdas.
Este trabalho apresenta um método inovador de Descida de Gradiente Variacional de Stein (SVGD) pré-condicionado com restrições SE(3) para otimização de trajetórias ergódicas, permitindo que robôs gerem trajetórias de cobertura de superfícies complexas em nuvens de pontos com maior qualidade e eficiência computacional do que as abordagens existentes.
O artigo apresenta o SEA-Nav, um quadro de aprendizado por reforço que combina funções de barreira controlável diferenciáveis, replay adaptativo de colisões e restrições cinemáticas para permitir que robôs quadrúpedes naveguem com segurança e agilidade em ambientes densamente obstruídos com tempo de treinamento de apenas alguns minutos.
O artigo apresenta o TopoOR, uma nova representação topológica unificada para salas cirúrgicas que supera as limitações estruturais dos grafos de cena tradicionais ao modelar interações de ordem superior e preservar a geometria e multimodalidade essenciais para tarefas críticas de segurança, como a detecção de violações de esterilidade e a previsão de ações robóticas.
Este artigo relata a experiência no desenvolvimento de três currículos de engenharia de software para profissionais e descreve uma abordagem sistemática baseada no mapeamento de conteúdo para integrar cursos de engenharia de requisitos, propondo princípios fundamentais para essa adaptação.
Este artigo apresenta o Corpus Patrologia Graeca, o primeiro recurso aberto de grande escala com OCR e anotações linguísticas para as edições gregas polítonas do século XIX, alcançando taxas de erro recordes e fornecendo um novo conjunto de dados anotado para estudos filológicos e treinamento de modelos de IA.
O artigo apresenta o OmniEarth, um novo benchmark abrangente para avaliar modelos de visão e linguagem em tarefas de observação da Terra, que organiza 28 tarefas em dimensões de percepção, raciocínio e robustez utilizando dados de satélite e instruções verificadas para revelar as limitações atuais desses modelos em cenários geoespaciais complexos.
O artigo apresenta o MORE-R1, um modelo inovador que aprimora a extração de relações entre objetos visuais e entidades textuais em Grandes Modelos de Linguagem e Visão (LVLMs) ao integrar um processo de raciocínio passo a passo otimizado por Aprendizado por Reforço, alcançando desempenho superior ao estado da arte no benchmark MORE.
O artigo apresenta o PruneSID, uma abordagem de compressão de tokens visuais sem treinamento que combina análise de componentes semânticos e supressão de não-máximos intra-grupo para eliminar redundâncias preservando a essência da informação, alcançando desempenho state-of-the-art e aceleração significativa em Modelos de Linguagem e Visão (VLMs).
O artigo apresenta o StyleVLA, um modelo de Visão-Linguagem-Ação (VLA) baseado em física e treinado com um grande conjunto de dados instrucionais, que supera modelos proprietários ao gerar trajetórias de direção autônoma não apenas seguras, mas também fisicamente viáveis e adaptadas a estilos de condução diversos.
Este artigo apresenta um novo framework de geração de imagens a partir de esboços, composto por uma rede codificadora baseada em autoatenção, um módulo de fusão que preserva coordenadas e um revisor de refinamento adaptativo, que supera os modelos existentes em fidelidade e coerência semântica em diversos domínios.
O artigo propõe a "Diagonal Distillation", um método inovador que utiliza uma estratégia de geração assimétrica e modelagem de fluxo óptico para superar as limitações de coerência temporal e latência nos modelos de vídeo autoregressivos, permitindo a geração de vídeos em streaming de alta qualidade com um aceleramento de 277,3 vezes em relação aos modelos não destilados.