93 artigos
O artigo apresenta o ECLARE, um método de super-resolução auto-supervisionado que melhora a resolução de volumes de ressonância magnética anisotrópica ao estimar o perfil da fatia e aprender mapeamentos intra-volumes, superando métodos existentes em recuperação de sinal e tarefas subsequentes sem sofrer de deslocamento de domínio.
Este artigo apresenta um conjunto de testes baseados em medições psicofísicas da visão de baixo nível para avaliar a capacidade de métricas de qualidade de imagem e vídeo em capturar aspectos fundamentais da percepção humana, revelando limitações e comportamentos específicos de 34 métricas existentes que não são facilmente observados em protocolos de avaliação padrão.
O artigo apresenta os "campos de especialistas multivariados", um novo framework para aprendizado de priors de imagem que generaliza métodos existentes através de funções potenciais multivariadas, oferecendo reconstrução superior em diversos problemas inversos com maior velocidade, menor complexidade e garantias teóricas de convergência em comparação a modelos univariados e de aprendizado profundo.
O artigo apresenta o SAAIPAA, um novo quadro de ataque adversarial físico invariante aos ângulos de aspecto que otimiza a posição e orientação de refletores para enganar modelos de reconhecimento automático de alvos em radar de abertura sintética (SAR) mesmo sem conhecimento prévio dos ângulos de visão da plataforma, alcançando altas taxas de sucesso em cenários de caixa branca e preta.
O artigo apresenta o VeilGen, um modelo generativo não supervisionado que aprende a simular o brilho de lentes (veiling glare) estimando mapas de transmissão e brilho latentes, e o DeVeiler, uma rede de restauração que utiliza esses mapas para remover eficazmente esse tipo de degradação em sistemas ópticos simplificados, superando métodos existentes em qualidade e fidelidade física.
Este trabalho propõe uma abordagem de detecção de anomalias médica não supervisionada que, ao enriquecer representações latentes com similaridades contextuais dentro de um lote de imagens saudáveis via estimativa de hipergrafos e convolução em grafos, reduz significativamente falsos positivos e melhora a precisão na distinção entre variações anatômicas normais e patologias em ressonâncias magnéticas cerebrais.
Este artigo apresenta o primeiro framework computacional multimodal para prever o prognóstico da nefrite lúpica pediátrica, utilizando apenas biópsias coradas com PAS e dados clínicos estruturados por meio de um Transformer de Injeção Clínica e uma estratégia de adaptação de domínio baseada em MAE, alcançando alta precisão na previsão da resposta ao tratamento.
O artigo apresenta o SKETCHGAIT, um novo quadro de reconhecimento de marcha que utiliza a representação visual "Sketch" para extrair estruturas densas e livres de rótulos diretamente de imagens RGB, superando as limitações das abordagens baseadas em silhuetas e parsing ao combinar streams modais independentes e fusão estrutural para alcançar desempenho robusto em diversos conjuntos de dados.
Este artigo apresenta o PPCMI-SF, um framework colaborativo de segmentação de imagens médicas que preserva a privacidade ao utilizar transformações latentes criptografadas para permitir treinamento multi-institucional com alta precisão e resistência a ataques, sem a necessidade de compartilhar dados brutos.
Este artigo propõe o uso de primitivas de Gabor, que modulam envelopes gaussianos para representar frequências espaciais arbitrárias, combinadas com uma decomposição temporal de baixo posto, para reconstruir imagens de ressonância magnética cardíaca acelerada com maior eficiência e interpretabilidade física do que métodos existentes.
Este artigo apresenta um novo framework de inpainting longitudinal baseado em modelos de difusão que utiliza contexto temporal e atenção a regiões específicas para reparar lesões em ressonâncias magnéticas cerebrais com alta fidelidade perceptual, estabilidade temporal e eficiência computacional, superando significativamente os métodos existentes.
Este trabalho propõe um framework leve e interpretável para a detecção de artefatos de movimento em ressonância magnética cerebral estrutural, combinando características DHoGM tridimensionais e bidimensionais para alcançar alta precisão e robustez na avaliação automática de qualidade em diferentes sites de aquisição.
O artigo apresenta o Uni-LVC, um método unificado de compressão de vídeo aprendida que integra modos intra e inter em um único modelo, utilizando atenção cruzada e um classificador sensível à confiabilidade para superar as limitações de modelos anteriores e alcançar desempenho superior em eficiência de compressão e flexibilidade de codificação.
Este trabalho propõe uma arquitetura unificada e fisicamente consistente para processamento conjunto de imagens e parâmetros de Stokes, que supera as limitações de métodos existentes ao alcançar desempenho de ponta em diversas tarefas de restauração de imagens polarimétricas degradadas (como ruído, desfoque e artefatos de mosaico) sem a necessidade de redes específicas para cada tipo de degradação.
Este relatório técnico descreve o desenvolvimento de um sistema de Inspeção Óptica Automatizada (AOI) baseado em arquiteturas de aprendizado profundo (YOLOv8, ResNet-152 e EfficientNet-b4) para detectar defeitos em instrumentos cirúrgicos fabricados no Paquistão, utilizando um conjunto de dados de 4.414 imagens e parcerias industriais para garantir a segurança do paciente e a qualidade do produto.
Este artigo propõe um método de compressão de vídeo neural para cenas estáticas que incorpora ruído de incentivo positivo para separar variações transitórias do fundo persistente, permitindo uma redução significativa na taxa de bits com fidelidade de nível de pixel, sem introduzir detalhes alucinados.
O artigo apresenta o NOVA, um novo paradigma de rastreamento 3D multi-objeto que utiliza modelos de linguagem autoregressivos para generalizar a detecção de alvos desconhecidos através da modelagem gerativa de sequências semânticas espaço-temporais, alcançando desempenho superior em conjuntos de dados como nuScenes.
O artigo apresenta o benchmark OccNL e o método DPR-Occ, uma nova abordagem robusta a ruídos de rótulo que supera as limitações das estratégias 2D ao garantir previsões precisas de ocupação semântica 3D em ambientes dinâmicos e com dados corrompidos.
O artigo apresenta o AIRT, um framework de aprendizado profundo de ponta a ponta capaz de gerar planos de radioterapia VMAT para próstata em menos de um segundo, demonstrando qualidade não inferior aos planos convencionais do RapidPlan Eclipse.
O artigo apresenta o EquivAnIA, um novo método espectral para análise de imagens anisotrópicas que utiliza wavelets de bolo e filtros de crista para garantir robustez à rotação numérica e demonstrar eficácia em tarefas de registro angular.