Le CEA-List a développé le modèle MiRAG pour la tâche de réponse à des questions visuelles à propos d’entités nommées, en y appliquant pour la première fois une approche d’intelligence artificielle générative fondée sur la génération augmentée de récupération (RAG).
Lire la suite
Découvrir et localiser des objets en 3D sans aucune annotation humaine est un défi majeur en vision par ordinateur. xMOD, développé par le CEA-List, est une méthode innovante de distillation croisée qui fait collaborer caméras (2D) et capteurs LiDAR (3D).
Lire la suite
Développée par le CEA-List, la méthode de segmentation sémantique DISCO-3D permet de découvrir, dans une scène 3D, les éléments correspondant à des sous-concepts sémantiques d’une requête utilisateur exprimée en langage naturel.
Lire la suite
Les caméras événementielles permettent une détection de mouvement à très faible latence, une méthode proposée par le CEA-List tire parti de la haute résolution temporelle de ces caméras afin de détecter des mouvements avec une latence de seulement 50 μs tout en réduisant le nombre d’opérations par 48 par rapport à l’état de l’art.
Lire la suite
Des outils comme le framework AIDGE, dédié à la manipulation, la conversion et l’optimisation des réseaux de neurones pour cibles embarquées, ou encore le système d’acquisition GERONIMO pour la mesure d’ondes guidées, permettent de déployer des solutions complètes, du capteur jusqu’au diagnostic. Deux preuves de concept issues des travaux du CEA-List illustrent ces possibilités.
Lire la suite
Le travail présenté introduit De-FedDaDiL, une méthode totalement décentralisée pour l’adaptation de domaine multisource (MSDA).
Lire la suite
Le CEA-List a développé des algorithmes d’apprentissage fédéré capables de prédire l’occupation des bornes de recharge en temps réel sans partager les données sensibles des usagers.
Lire la suite
Cet article introduit une nouvelle manière de mesurer les biais politiques dans les grands modèles de langue.
Lire la suite