3821 artigos
Este artigo propõe uma abordagem forense para detectar imagens geradas por IA analisando o comportamento de "recuperação" (snap-back) das imagens quando submetidas a reconstrução por modelos de difusão, alcançando uma alta precisão na distinção entre fotografias autênticas e sintéticas mesmo sob distorções comuns.
O artigo apresenta o PhantomFetch, a primeira defesa agnóstica de hardware que protege contra ataques de canal lateral explorando o prefetcher IP-stride através da ofuscação de cargas sensíveis, garantindo segurança com sobrecarga negligenciável e sem exigir modificações no hardware.
Este artigo apresenta o MUGSQA, um novo método de avaliação de qualidade baseado em múltiplas incertezas, juntamente com um dataset e benchmarks projetados para superar os desafios na avaliação perceptiva de objetos 3D reconstruídos por meio de Gaussian Splatting.
O artigo apresenta o CountOCC, um novo framework de contagem amodal que supera as limitações de métodos atuais em cenários de oclusão ao reconstruir hierarquicamente as características de objetos ocultos através de orientação multimodal e de um objetivo de equivalência visual, alcançando desempenho superior de última geração em conjuntos de dados ocultos.
O artigo apresenta o LAMP, um quadro de aprendizagem por reforço multiagente que integra raciocínio linguístico num pipeline "Pensar-Falar-Decidir" para otimizar a tomada de decisões económicas, superando significativamente as abordagens tradicionais em retorno, robustez e interpretabilidade.
O artigo apresenta o Video2Layout, um framework que supera as limitações dos mapas cognitivos baseados em grades ao reconstruir layouts espaciais metricamente fundamentados a partir de coordenadas contínuas de limites de objetos, resultando em um modelo (V2LO-7B) que demonstra melhorias significativas no raciocínio espacial em comparação com métodos tradicionais.
Este artigo apresenta a MOMNet, uma rede inovadora de correspondência multi-ordem que supera as limitações de alinhamento espacial entre RGB e profundidade em cenários reais, utilizando mecanismos de correspondência e agregação multi-ordem para alcançar super-resolução de profundidade de alta qualidade e robustez.
O artigo apresenta o DualMindVLM, um modelo de linguagem visual que implementa um mecanismo de pensamento dual (rápido e lento) adaptado via GRPO, permitindo a seleção automática ou manual do modo de raciocínio com base na complexidade da tarefa para alcançar desempenho de ponta com maior eficiência de tokens.
O artigo propõe o Radiative-Structured Neural Operator (RSNO), uma nova abordagem que utiliza um operador neural para aprender um mapeamento contínuo no domínio espectral e impõe consistência física através de um prior radiativo e projeções de consistência angular, superando as limitações dos métodos baseados em vetores discretos na super-resolução espectral.
O artigo apresenta o UnfoldLDM, uma nova arquitetura de redes de desdobramento profundo que integra um modelo de difusão latente para superar as limitações de dependência de degradação e viés de suavização excessiva, permitindo a restauração cega de imagens com recuperação eficaz de detalhes de alta frequência.
Este estudo analisa como os usuários do Reddit negociam coletivamente as preocupações com a privacidade do ChatGPT, identificando práticas discursivas e adaptativas que servem para sinalizar riscos, estabelecer normas e promover alternativas que preservam a privacidade.
Este trabalho apresenta um sistema estável de rastreamento GNSS para robôs marinhos, utilizando múltiplos drones com detecção visual, triangulação baseada em GNSS e um filtro de Kalman estendido ponderado por confiança para fornecer estimativas precisas e em tempo real na superfície e perto dela.
O artigo apresenta o Yo'City, um novo framework agêntico que utiliza modelos de linguagem grandes para gerar cenas de cidades 3D realistas, personalizadas e infinitamente expansíveis através de um planejamento hierárquico, síntese de imagens isométricas e um mecanismo de expansão guiado por relações espaciais e semânticas.
O artigo apresenta o DOPD, uma arquitetura dinâmica de desagregação de pré-preenchimento e decodificação para inferência de LLMs que ajusta automaticamente a alocação de recursos com base na carga em tempo real, superando desequilíbrios de workloads heterogêneos e alcançando ganhos significativos em boa produção e cumprimento de SLOs em comparação com abordagens existentes.
Este trabalho inicia o estudo de spanners tolerantes a falhas em hipergrafos, propondo um algoritmo baseado em agrupamento que constrói spanners de arestas tolerantes a falhas com tamanho sublinear e tempo de execução eficiente, além de estabelecer limites inferiores e métodos para spanners aditivos.
Este artigo apresenta um framework multiagente assistido por LLM que automatiza o projeto e a adaptação de sistemas de controle para manufatura rolo-a-rolo, garantindo segurança e reduzindo o esforço de ajuste manual através de identificação de sistema, seleção automática de controladores e adaptação simula-real validada experimentalmente.
O artigo apresenta o RadDiff, um novo método de difusão denoising aumentada por recuperação que supera os métodos existentes no dobramento inverso de proteínas ao integrar conhecimento atualizado de bancos de dados externos, alcançando taxas de recuperação de sequência superiores e maior eficiência.
Este artigo propõe a integração de um modelo fundamental causal em um framework de manutenção prescritiva para simular cenários "e se", identificar causas raízes de falhas e recomendar ações otimizadas que maximizem a Eficácia Global dos Equipamentos (OEE) em linhas de produção.
O artigo apresenta o S2AM3D, um modelo inovador para segmentação de partes em nuvens de pontos 3D que combina prios de segmentação 2D com supervisão 3D consistente e um decodificador sensível à escala para ajustar a granularidade, apoiado por um novo conjunto de dados de grande escala que supera as limitações de generalização e consistência das abordagens existentes.
Este artigo apresenta o CAEC, um sistema baseado na Arquitetura de Computação Confidencial (CCA) da Arm que introduz Memória Compartilhada Confidencial (CSM) para permitir o compartilhamento seguro e de alto desempenho de dados entre Máquinas Virtuais Confidenciais (CVMs) sem acesso do hipervisor, eliminando a necessidade de criptografia onerosa e reduzindo drasticamente o uso de ciclos de CPU.