3478 artigos
O artigo apresenta o DRIFT, um modelo baseado em transformador que utiliza uma arquitetura de dupla representação para fundir características locais e globais de nuvens de pontos 4D de radar, superando os métodos existentes na detecção de objetos e estimativa de estrada livre em sistemas de direção autônoma.
O artigo apresenta o TemporalDoRA, uma nova técnica de ajuste fino eficiente em parâmetros que integra atenção temporal no gargalo de baixa dimensão para melhorar a robustez e a precisão na resposta a perguntas sobre vídeos cirúrgicos, validada no novo conjunto de dados REAL-Colon-VQA.
Este estudo empírico identifica e classifica os "maus odores de interação" em tarefas de geração de código colaborativa entre humanos e LLMs, propondo o framework InCE para mitigar essas falhas e melhorar significativamente a taxa de sucesso das tarefas.
O artigo apresenta o TriFusion-SR, um novo framework baseado em difusão condicional guiada por wavelets que realiza a fusão conjunta e a super-resolução de imagens médicas tri-modais, superando os métodos existentes ao decompor características em bandas de frequência e calibrar coeficientes latentes para obter ganhos significativos em qualidade perceptual e métricas de precisão.
O artigo apresenta o ProGS, um codec inovador que utiliza uma estrutura de octree e mecanismos de aprimoramento de informação mútua para habilitar a codificação progressiva de 3D Gaussian Splatting, reduzindo o armazenamento em 45 vezes e melhorando a qualidade visual em mais de 10% em comparação ao formato original.
O artigo apresenta o Robotic Scene Cloning (RSC), um método inovador que aprimora a adaptação zero-shot de robôs a novos cenários de manipulação ao editar trajetórias existentes por meio de prompts visuais, permitindo a geração de amostras consistentes e a transferência eficaz de políticas para ambientes reais sem necessidade de coleta extensiva de dados.
O artigo apresenta o GSStream, um sistema inovador de streaming de cenas volumétricas baseado em 3D Gaussian Splatting que utiliza previsão de viewport colaborativa e adaptação de taxa de bits por aprendizado por reforço profundo para otimizar a entrega de dados e superar os sistemas existentes em qualidade visual e eficiência de rede.
O artigo apresenta o FrameDiT, uma arquitetura de Transformer de Difusão que introduz o mecanismo de Atenção Matricial em nível de quadro para superar o compromisso entre eficiência e modelagem de dinâmicas espaço-temporais complexas, alcançando resultados de ponta na geração de vídeo com alta coerência temporal e qualidade.
Este artigo introduz o conceito de estabilidade local para avaliar como pequenas alterações nos valores de um item afetam seu ranqueamento, propondo algoritmos eficientes para aproximar essa métrica e detectar regiões densas de itens com qualidades similares, além de validar a abordagem por meio de extensos experimentos.
Este artigo formaliza o conceito de fatias idempotentes e apresenta um algoritmo eficiente em GSA para extraí-las, permitindo uma otimização de redução de tamanho de código que funde instruções não contíguas, alcançando reduções de até 7,24% em benchmarks específicos do LLVM.
Este artigo apresenta um filtro de Kalman de conjunto regularizado para modelos de campo de fase de fratura frágil, que atualiza o estado do modelo (deslocamentos e campo de fase) com dados de sensores via inferência bayesiana, corrigindo violações de suposições de modelagem através de uma técnica de regularização baseada em campo de fase.
O artigo apresenta o WVA, um plano de controle de otimização global co-projetado com o \texttt{llmd} que supera as limitações dos autoscalers tradicionais ao integrar o estado interno do servidor de inferência e a heterogeneidade de hardware, resultando em um aumento de 37% no rendimento efetivo, uma redução de 10 vezes nas falhas de requisição e menor consumo de energia.
O artigo apresenta o FetalAgents, o primeiro sistema multi-agente que orquestra especialistas de visão computacional para analisar ultrassons fetais em vídeo e gerar relatórios clínicos estruturados, superando modelos existentes em precisão e adaptabilidade ao fluxo de trabalho clínico.
Este artigo propõe uma nova metodologia de agendamento baseada em tarefas e restrições de frescor de dados, que utiliza atrasos de deslocamento just-in-time e um algoritmo de busca de consenso para garantir a frescura dos dados em sistemas críticos sem a latência artificial e o desperdício de recursos típicos do paradigma LET.
Este artigo apresenta o SACA, um novo quadro de alinhamento contrastivo sensível a etapas que extrai supervisão densa de trajetórias imperfeitas para superar as limitações de generalização e estabilidade no treinamento de agentes de Navegação Visão-Linguagem em Ambientes Contínuos, alcançando desempenho state-of-the-art.
O artigo apresenta o ENIGMA-360, um novo conjunto de dados sincronizado de vídeos egocêntricos e exocêntricos em cenários industriais reais, equipado com anotações temporais e espaciais para impulsionar a compreensão do comportamento humano e estabelecer linhas de base para tarefas como segmentação de ações e detecção de interações.
O artigo apresenta o LAP, um modelo inovador que utiliza a expressividade da linguagem para superar a ambiguidade visual no planejamento de procedimentos em vídeos instrucionais, alcançando desempenho superior ao estado da arte em múltiplos benchmarks ao empregar um modelo de linguagem visual para gerar representações textuais distintas que alimentam um modelo de difusão para prever sequências de ações.
Este artigo apresenta um robô contínuo compacto e baseado em molas, inspirado na locomoção e sensibilidade de lagartas, que utiliza atuadores de tendão e sensores de cerdas artificiais para permitir a exploração e inspeção de espaços confinados por braços robóticos comerciais.
Este artigo demonstra que minimizar o comprimento da aresta mais longa na incorporação geométrica simultânea de dois caminhos em uma grade inteira é NP-difícil, enquanto apresenta um algoritmo de tempo para minimizar o perímetro da grade quando um caminho é monotônico em e o outro em .
Este artigo defende que os videogames comerciais constituem um ambiente de pesquisa subutilizado e rico na interseção entre Interação Humano-Computador e Ciência Cognitiva, permitindo o estudo ecológico de percepção, atenção e funções executivas por meio de um mapeamento sistemático entre as affordances do jogo e processos cognitivos.