3836 artigos
Este artigo argumenta que as falhas do iCloud ao sincronizar dados com ferramentas como Time Machine e Git decorrem de um erro categórico fundamental: a projeção de um grafo causal distribuído em uma cadeia temporal linear, um problema estrutural que só pode ser resolvido alinhando os protocolos de rede com a realidade física através de semânticas transacionais reversíveis, como as do Open Atomic Ethernet.
O artigo apresenta o InfScene-SR, um método de super-resolução baseado em difusão que utiliza correção de variância espacialmente desacoplada para realizar a super-resolução contínua e sem costuras de imagens de tamanho arbitrário, eliminando artefatos de borda e melhorando o desempenho em tarefas de segmentação semântica.
Este artigo propõe um esquema de decomposição e recomposição online de objeto, cena e câmera para gerar dados de treinamento diversificados e combater o sobreajuste na detecção 3D de objetos monoculares, permitindo um aprendizado eficiente e escalável tanto em cenários totalmente quanto esparsamente supervisionados.
Este trabalho apresenta um framework de decomposição de imagens em camadas que utiliza modelos de difusão pré-treinados, adaptados via LoRA e uma estratégia de ajuste cíclico consistente, para separar eficazmente elementos complexos como logotipos de suas superfícies enquanto preserva a fidelidade de ambas as camadas.
O artigo apresenta o "See It, Say It, Sorted", um framework leve e sem treinamento que aprimora o raciocínio multimodal em modelos LVLMs ao supervisionar iterativamente cada passo do pensamento com evidências visuais dinâmicas, reduzindo alucinações e melhorando a precisão sem necessidade de re-treinamento.
Este artigo apresenta o ARLArena, um framework unificado para análise e estabilização do aprendizado por reforço agêntico, que através da decomposição do gradiente de política em quatro dimensões, deriva o método SAMPO para garantir treinamento estável e de alto desempenho em tarefas complexas.
Este artigo apresenta uma abordagem unificada para segmentação semântica em imagens e vídeos que utiliza modelagem de linguagem para gerar máscaras como sequências de tokens discretos baseados em codificação por comprimento de execução (RLE), incorporando estratégias de compressão e informações de instância para alcançar desempenho competitivo com o estado da arte.
O artigo apresenta o EmoOmni, um framework unificado que introduz o Chain-of-Thought Emocional (E-CoT) para melhorar a compreensão e expressão emocional em modelos de linguagem multimodais, complementado por um conjunto de dados anotados e uma nova avaliação de benchmark.
O artigo apresenta o CryoNet.Refine, um modelo de difusão de um único passo baseado em aprendizado profundo que automatiza e acelera o refinamento de modelos estrutuais de macromoléculas contra mapas de densidade de criomicroscopia eletrônica, superando em velocidade e qualidade as ferramentas tradicionais como o Phenix.real_space_refine.
Este artigo introduz o conceito de "vibe researching" mediado por agentes de IA, argumentando que, embora essas ferramentas possam automatizar tarefas de alta codificabilidade e acelerar o pipeline de pesquisa, elas não substituem a originalidade teórica e o conhecimento tácito dos cientistas sociais, exigindo, em vez disso, uma abordagem de augmentação responsável que considere riscos de estratificação e crises pedagógicas.
O estudo demonstra que a maior parte da discordância entre médicos na avaliação de IA em saúde é estrutural e inerente a casos clínicos limítrofes, embora a redução de incertezas evitáveis, como falta de contexto, possa oferecer melhorias pontuais no design da avaliação.
O WISER é um framework de recuperação de imagens composta zero-shot sem treinamento que supera os métodos existentes ao unificar as abordagens Texto-para-Imagem e Imagem-para-Imagem em um pipeline de "busca mais ampla, pensamento mais profundo e fusão adaptativa", utilizando verificação de confiança e auto-reflexão estruturada para refinar dinamicamente os resultados.
O artigo apresenta o PackUV, um novo método de representação volumétrica 4D que mapeia atributos gaussianos em mapas UV estruturados para compatibilidade com codecs de vídeo padrão, introduzindo também o método de ajuste PackUV-GS e o conjunto de dados PackUV-2B para superar limitações de consistência temporal e escalabilidade em sequências longas.
Este trabalho propõe formular o planejamento generalizado como um problema de aprendizado de modelos de transição explícitos, demonstrando que prever estados intermediários em vez de ações diretas resulta em maior generalização fora da distribuição e eficiência amostral com modelos menores do que as abordagens baseadas em Transformers que predizem sequências de ações diretamente.
O artigo apresenta o HART, um quadro de aprendizado por reforço que permite que Modelos Multimodais de Grande Escala realizem raciocínio visual em alta resolução sem anotações humanas, otimizando a localização de regiões-chave e melhorando o desempenho em diversas tarefas complexas.
O artigo apresenta o PEPA, uma arquitetura cognitiva de três camadas que utiliza traços de personalidade para permitir que agentes corporificados gerem objetivos internos e operem de forma autônoma e persistente em ambientes dinâmicos, validado experimentalmente em um robô quadrúpede real.
O artigo apresenta o Infinito Self-Attention (InfSA), uma reformulação espectral que modela a atenção como um processo de difusão em grafos de tokens para superar o custo quadrático do softmax, introduzindo a variante Linear-InfSA que alcança complexidade linear, permite processamento de imagens de ultra-alta resolução (até 9216x9216) e supera os Transformers convencionais em precisão e eficiência energética no ImageNet.
O artigo apresenta o WildActor, um framework de geração de vídeos humanos que preserva a identidade corporal em condições desafiadoras de movimento e viewpoint, apoiado pelo novo conjunto de dados em larga escala Actor-18M e validado pelo benchmark Actor-Bench.
Este artigo de posicionamento defende que a avaliação de sistemas modernos de processamento visual deve abandonar a primazia de métricas objetivas de qualidade de imagem em favor de uma abordagem centrada no ser humano, contextual e detalhada, para evitar que a divergência entre resultados métricos e percepção humana restrinja a inovação e desvie o progresso da pesquisa.
Este workshop propõe a "cuidado sustentável" como uma lente de design para criar tecnologias que apoiem o engajamento de longo prazo das crianças em questões sociais, evitando a angústia e o esgotamento causados por abordagens atuais focadas no medo.