Toutes les news taguées avec ce sujet.
Les modèles vision-langage sont sensibles à l'ordre des entrées. Une méthode d'adaptation corrige ce biais et améliore les performances.
Une méthode par continued-training améliore la segmentation sémantique RGB-D lors de pannes de capteurs.
Une méthode d'entraînement certifié garantit une robustesse formelle des modèles de vision face aux flous de mouvement, surpassant l'Adversarial Training.
Une évaluation sous contraintes physiques teste la résistance de PatchTST, GRU et N-HITS aux incertitudes météo.