3505 artigos
O artigo apresenta o ExpGest, um novo framework baseado em modelo de difusão que utiliza informações sincronizadas de áudio e texto para gerar gestos corporais completos, expressivos e controláveis, superando as limitações de rigidez e falta de contexto emocional dos métodos existentes.
Este artigo investiga o design de mecanismos de mediação que maximizam a receita em um cenário de comércio bilateral com valoração interdependente, demonstrando um trilema de impossibilidade entre compatibilidade de incentivos, obediência e informatividade, e caracterizando as soluções ótimas sob condições de relaxamento que revelam estruturas de limiar distintas que podem levar a efeitos de "mercado de limões".
Este trabalho propõe uma variante do Jogo de Pedras que permite computações parciais para modelar DAGs com graus de entrada arbitrários, demonstrando que a decisão da existência de uma estratégia ótima é NP-completa mesmo em casos simples e apresentando algoritmos de aproximação para casos especiais.
Este artigo demonstra que limites inferiores uniformes não-determinísticos para problemas como k-SAT e MAX-3-SAT implicam a existência de geradores de funções booleanas monótonas de grande tamanho de circuito, matrizes de alta rigidez e tensores de alta classificação, estabelecendo assim limites inferiores de circuitos não uniformes sob essas hipóteses.
Este estudo compara a influência das práticas de plataformaização do TikTok e do Spotify na produção musical, revelando como suas distintas lógicas moldam os sucessos em cada rede e evidenciando que a popularidade no Spotify pode anteceder a do TikTok.
O estudo demonstra que agentes de aprendizado por reforço sem contexto podem desenvolver uma "colusão ingênua" em jogos repetidos, onde a emergência desse comportamento anticompetitivo depende criticamente da sincronia das ações e do tipo de política de exploração utilizada, variando de impossível em algoritmos persistentemente aleatórios a inevitável em algoritmos determinísticos.
O artigo apresenta o Prithvi-EO-2.0, um modelo fundamental de observação da Terra de código aberto e multi-temporal que, treinado em 4,2 milhões de amostras globais, supera seu antecessor e outros modelos concorrentes em diversas tarefas geoespaciais, desde monitoramento de desastres até mapeamento de culturas, graças à sua versatilidade e ao envolvimento contínuo de especialistas.
O artigo apresenta o iLLaVA, uma abordagem que acelera modelos multimodais de grande escala otimizando conjuntamente o codificador de imagem e o LLM através de uma estratégia inovadora de fusão de tokens que recicla informações descartadas, resultando em ganhos significativos de eficiência e desempenho tanto em tarefas de imagem quanto de vídeo.
Este artigo estabelece que a complexidade computacional para encontrar um Equilíbrio de Nash Puro em leilões de Tullock heterogêneos depende crucialmente do número de participantes com elasticidade média, sendo o problema tratável em tempo polinomial quando esse número é limitado logaritmicamente, mas NP-completo caso contrário, embora um Esquema de Aproximação em Tempo Totalmente Polinomial (FPTAS) permita calcular aproximações eficientes.
O artigo apresenta o LangSurf, um método inovador que utiliza um campo de linguagem embutido em superfícies e um módulo de consciência contextual hierárquica para alinhar com precisão campos de linguagem 3D às superfícies de objetos, superando as abordagens anteriores e permitindo segmentação, reconhecimento e edição de instâncias em 3D com base em consultas de texto.
Este artigo propõe um framework baseado em aprendizado profundo que integra dados históricos de falhas e condições climáticas para avaliar a resiliência de sistemas de energia em nível de evento, validando o método com dados simulados e reais e demonstrando sua utilidade para orientar investimentos direcionados em recursos energéticos distribuídos.
Este artigo apresenta uma técnica baseada em aprendizado por transferência e Redes Neurais Gêmeas que, ao analisar características estatísticas de fluxos de pacotes convertidos em imagens, identifica com alta precisão mudanças de versão de firmware em dispositivos IoT, superando a escassez de dados de treinamento.
Este estudo de caso analisa o impacto do assistente de IA da plataforma CGScholar no desenvolvimento da escrita de alunos do 11º ano em uma escola de baixa renda, concluindo que o feedback personalizado gerado por IA apoiou significativamente o progresso dos estudantes e coletou sugestões para o aprimoramento da ferramenta.
Este artigo apresenta a primeira abordagem sistemática de análise de taint estática e dinâmica para APIs de grafos focada em controle de acesso quebrado, utilizando regras de transformação de grafos e Análise de Pares Críticos para identificar fluxos de informação não autorizados e validar riscos no GitHub GraphQL.
Este artigo propõe um modelo de difusão agnóstico ao problema, baseado na estimativa de um termo guiado de máxima a posteriori (MAP), que aproveita modelos pré-treinados incondicionais para resolver problemas inversos em processamento de imagens, demonstrando superioridade na preservação de estruturas e coerência em comparação com métodos existentes.
O artigo apresenta o VL-Nav, um sistema de navegação visão-linguagem neuro-simbólico que combina raciocínio neural com orientação simbólica para decompor tarefas complexas e otimizar a exploração, alcançando altas taxas de sucesso em ambientes internos, externos e em testes do mundo real.
Este artigo propõe uma taxonomia e um quadro analítico para examinar sistematicamente os argumentos de "segurança versus interoperabilidade" levantados por grandes empresas de tecnologia no contexto das investigações antitruste da UE, oferecendo ferramentas para avaliar criticamente essas alegações em diversos casos práticos.
O artigo apresenta o Prompt-SID, um framework de aprendizado auto-supervisionado para remoção de ruído em imagens únicas que utiliza um processo de difusão latente para gerar prompts de representação estrutural e um mecanismo de replay de escala, preservando assim detalhes estruturais e superando as limitações de métodos anteriores que dependem de pares de dados pareados ou causam perda de informação.
Este artigo apresenta uma revisão abrangente de 232 estudos sobre IA Generativa Responsável, propondo uma estrutura unificada de avaliação e governança que identifica lacunas críticas em benchmarks atuais e define uma agenda de pesquisa para garantir a segurança e a sustentabilidade da IA em diversos setores.
Este estudo propõe um algoritmo que funde imagens de ressonância magnética multimodais (T1, T2, T1ce e FLAIR) segmentadas por redes U-Net em 2D e 3D e classificadas por um modelo ResNet50, alcançando uma precisão de 99,25% na subclasse de gliomas e superando técnicas existentes.