3521 artigos
O artigo apresenta o ViLAM, um método inovador que distila o raciocínio de modelos visão-linguagem em mapas de atenção espacial para guiar a navegação de robôs sociais, resultando em melhorias significativas na taxa de sucesso em comparação com métodos existentes.
O artigo apresenta o Snapmoji, um sistema que gera instantaneamente avatares 3D animáveis e personalizáveis em dispositivos móveis, utilizando uma técnica de adaptação de domínio gaussiano para mapear selfies a um estilo principal e aplicar um estilo secundário, preservando a identidade do usuário e superando as limitações de plataformas existentes.
O artigo apresenta o iProg, uma ferramenta de Programação Indutiva Estruturada Interativa que utiliza um protocolo de comunicação bidirecional para colaborar com especialistas humanos e modelos de linguagem na decomposição de tarefas de análise de dados em diagramas de fluxo e geração de código, demonstrando superioridade em desempenho, qualidade e velocidade de desenvolvimento em comparação com alternativas Low Code/No Code em colaborações científicas.
O artigo apresenta o SceneEval, um novo framework de avaliação e o conjunto de dados SceneEval-500, projetados para superar as limitações das métricas atuais ao medir de forma abrangente e interpretável tanto os requisitos explícitos quanto as expectativas implícitas de coerência semântica na síntese de cenas 3D internas condicionadas a texto.
Este artigo propõe uma abordagem de Aprendizado Compatível com o Passado (BCL) que relaxa as restrições de alinhamento estritas ao introduzir perturbações nos protótipos de características antigas, preservando assim a capacidade discriminativa do novo modelo sem a necessidade de um processo computacionalmente custoso de recálculo de embeddings.
Este artigo propõe uma arquitetura de repetidores de distribuição quântica de chaves (QKD) baseada em zero trust e criptografia homomórfica totalmente, que permite a re-criptografia intermediária sem expor chaves em texto claro, eliminando a necessidade de nós de confiança e aumentando a escalabilidade e segurança das redes QKD.
Este trabalho propõe um método unificado para a reconstrução robusta de duas mãos a partir de imagens monoculares, combinando um codificador de fusão-alinhamento que integra implicitamente priores estruturais heterogêneos de modelos de visão fundamentais com um modelo de difusão livre de penetração que gera interações 3D fisicamente plausíveis, superando assim desafios de oclusão e alinhamento.
O projeto MediTools apresenta uma aplicação baseada em modelos de linguagem (LLMs) que revoluciona a educação médica através de ferramentas interativas para simulação de casos clínicos, análise de literatura científica e resumo de notícias, validando seu potencial por meio de pesquisas com profissionais e estudantes da área.
Este artigo propõe uma taxonomia e diretrizes de projeto para protocolos de Controle de Acesso ao Meio (MAC) em sistemas 6G, focando na coexistência de comunicações baseadas em "push" e "pull" orientadas a objetivos e impulsionadas por inteligência artificial, além de discutir suas implicações arquitetônicas no O-RAN.
Este artigo propõe um novo modelo de conclusão de instâncias baseado em nuvem de pontos que integra restrições de cena via mecanismo de atenção cruzada para lidar com objetos em escalas e poses arbitrárias, validado através de um novo dataset chamado ScanWCF que demonstra superioridade em fidelidade e qualidade de conclusão em comparação com métodos existentes.
O artigo apresenta o LEL, um novo framework de aprendizado emsemble com restrições de continuidade de Lipschitz que melhora a estabilidade, robustez e precisão do reconhecimento de emoções baseado em EEG intra-sujeito, alcançando desempenho superior em três conjuntos de dados públicos.
O artigo apresenta o GeoNav, um agente multimodal que aprimora a navegação aérea baseada em linguagem ao empregar raciocínio espacial de duas escalas e um mecanismo de cadeia de pensamento para superar os métodos existentes em ambientes urbanos complexos.
O artigo propõe o framework O-VIB, uma abordagem de compressão semântica orientada a tarefas inspirada na cognição espacial que utiliza um codificador de gargalo de informação variacional com restrições ortogonais para extrair e transmitir características multiview compactas, permitindo localização visual precisa em plataformas móveis com recursos limitados e ambientes urbanos sem GPS.
Este artigo compara algoritmos de otimização de base para robôs industriais, demonstrando que o gradiente estocástico oferece a maior taxa de sucesso em tarefas reais, enquanto os algoritmos genéticos alcançam os menores custos finais.
O artigo propõe o SFIBA, um ataque de backdoor invisível baseado em espaço que supera as limitações de ataques multialvo existentes ao garantir especificidade e furtividade através da restrição espacial dos gatilhos e da sua injeção no domínio da frequência, permitindo controlar múltiplas classes sem comprometer a performance do modelo ou a detecção visual.
Este artigo apresenta uma abordagem holística pioneira que otimiza conjuntamente a composição, a posição da base e a trajetória de robôs modulares para minimizar o tempo de ciclo em tarefas industriais, resultando em reduções de até 25% no tempo e em uma maior taxa de sucesso na geração de soluções viáveis.
Este artigo propõe uma abordagem de roteamento coordenado que utiliza dados de tráfego em tempo real para redirecionar dinamicamente veículos conectados e automatizados (CAVs) em faixas exclusivas de ônibus, melhorando simultaneamente a pontualidade do transporte público e a eficiência de viagem dos CAVs em ambientes de tráfego misto.
Um estudo randomizado com 94 conselheiros iniciantes demonstrou que um sistema de treinamento baseado em LLM, combinando prática simulada com feedback estruturado, é eficaz para melhorar habilidades microtécnicas e empatia, enquanto a prática isolada não gerou melhorias e até reduziu a empatia ao longo do tempo.
O artigo apresenta o DeepSparse, o primeiro modelo de fundação para reconstrução de CBCT com visão esparsa, que utiliza a arquitetura DiCE e o framework HyViP para superar os desafios de demanda computacional e generalização, permitindo imagens de alta qualidade com menor exposição à radiação.
O artigo apresenta o HEXGEN-FLOW, um framework inovador que otimiza o agendamento de inferência de LLMs para fluxos de trabalho Text-to-SQL em clusters heterogêneos de GPUs, utilizando um escalonador hierárquico e métodos de simulação para reduzir significativamente a latência e aumentar a taxa de transferência em comparação com os sistemas existentes.