Papers, modelos e datasets em alta no Hugging Face, além do blog oficial — com leitura editorial em português.
Um trabalho aceito na ECCV 2026 mostra que modelos de reconhecimento de ação acertam o verbo pela pista errada — o objeto na cena, não o gesto. Quando a combinação verbo-objeto é inédita, a ilusão desmorona.
Pesquisadores da NAVER e da Universidade Sejong auditaram 14 benchmarks de compreensão de vídeo e descobriram que mais da metade das 24 mil questões se resolve com texto e chute informado. Quando os atalhos saem, os melhores modelos despencam para perto do acaso.
Modelo de multimodal · 7 B de parâmetros — 763 downloads e 82 curtidas no Hugging Face.
arXiv:2607.08164v1 Announce Type: new Abstract: Deep neural nets achieve remarkable performance when training and test data share the same distribution, but this assumption frequently breaks in real-world deployment, where data undergoes continual distributional shifts. Continual Test-Time Adaptation (CTTA) addresses this challenge by adapting pretrained models to non-stationary target distributions on-the-fly, without access to source data or labeled targets, while mitigating two critical failu...
arXiv:2607.08115v1 Tipo de anúncio: novo Resumo: Embora a localização global usando radar giratório tenha ganhado atenção por sua robustez diante de condições climáticas adversas e ambientes desafiadores, muitos estudos têm se concentrado em componentes individuais, como reconhecimento de lugares ou estimativa de pose. Neste artigo, adotamos uma visão holística da localização global baseada em sensor de radar e apresentamos o RadLoc, um pipeline de ponta a ponta rápido, robusto e leve, que vai do reconhecimento de lugares à estimativa de pose de 3 graus de liberdade. O RadLoc acelera...
arXiv:2607.08171v1 Tipo de anúncio: novo Resumo: As Hiperintensidades da Substância Branca (WMHs) são comumente observadas em exames de Ressonância Magnética (MRI) do cérebro. Elas estão associadas a diversas condições neurológicas, incluindo doenças vasculares e inflamatórias desmielinizantes. Apesar de diferirem na etiologia, as WMHs decorrentes dessas condições frequentemente parecem semelhantes nas imagens de Recuperação de Inversão Atenuada por Fluidos (FLAIR). Essa semelhança torna o diagnóstico diferencial desafiador. Neste trabalho, destacamos o pot...
arXiv:2607.08203v1 Tipo de Anúncio: novo Resumo: O progresso na segmentação de pólipos em colonoscopia é rotineiramente reportado por meio de comparações em rankings sobre um pequeno conjunto de benchmarks públicos. Argumentamos que esse aparente progresso é difícil de verificar: uma auditoria sistemática de \textbf{27 artigos} publicados entre 2015 e 2026 revela três problemas estruturais na forma como a comunidade avalia modelos. \textbf{Primeiro}, 25 dos 27 artigos \textit{omitem a distância de Hausdorff}. A distância de Hausdorff é uma acurácia de fronteira...
arXiv:2607.07775v1 Tipo de anúncio: cruzado Resumo: O corpo humano está no centro de uma família crescente de tecnologias projetadas para acoplar de forma rígida e persistente sistemas biológicos e digitais. As próteses robóticas são um exemplo representativo desse acoplamento rígido. Também chamadas de membros biônicos, as próteses robóticas são dispositivos que auxiliam pessoas que perderam membros a realizar atividades da vida diária, como caminhar e segurar objetos. Os membros biônicos são agora perceptivos e responsivos graças a...
arXiv:2607.08004v1 Tipo de Anúncio: novo Resumo: A detecção de objetos em cenas geoespaciais, como imagens de satélite e aéreas, apresenta desafios significativos devido às orientações e densidades variáveis dos objetos, bem como aos fundos complexos inerentes ao sensoriamento remoto. Os métodos tradicionais de detecção de objetos orientados têm enfrentado dificuldades para lidar com questões como descontinuidade angular, tamanhos fixos de consulta e ineficiências no tratamento de cenas esparsas ou congestionadas. Neste artigo, propomos...
arXiv:2607.08191v1 Tipo de anúncio: novo Resumo: A Detecção de Objetos em Vídeo (VOD) RGB-Térmica (RGBT) ganhou tração significativa devido à sua capacidade de superar as limitações da VOD convencional baseada em RGB sob condições desafiadoras. No entanto, o desalinhamento espacial comumente existe entre pares de imagens RGBT. Para resolver isso, propomos uma Rede de Hipergrafo de Correlação Dupla (DHNet) que captura informações complementares de alta dimensão modelando explicitamente dois tipos de correlações: correlação temporal...
arXiv:2607.08075v1 Tipo de anúncio: novo Resumo: Vídeos de Veículos Aéreos Não Tripulados (UAV) são amplamente utilizados em monitoramento de tráfego, gestão urbana e resgate de emergência. No entanto, a percepção de vídeo de UAV existente depende principalmente da localização em nível de caixa e da associação de trajetórias sob categorias predefinidas, tornando difícil dar suporte simultaneamente a consultas flexíveis e à compreensão dinâmica refinada em nível de instância em cenários abertos. Para isso, apresentamos uma nova tarefa, a Segmentação de Instâncias de Vídeo com Vocabulário Aberto para UAV (UAV Open-Vocabulary Video I...
arXiv:2607.07998v1 Tipo de Anúncio: novo Resumo: Os robôs sociais oferecem um meio promissor de apoiar as terapias cognitivas no cuidado da demência ao conduzir conversas estruturadas e atividades terapêuticas. No entanto, pouco se sabe sobre as dinâmicas conversacionais que surgem durante as sessões de terapia de estimulação cognitiva (CST) aplicada por robôs. Este estudo analisou os padrões de interação de sessões de CST individual (iCST) aplicada por robôs, realizadas com pessoas que vivem com demência em ambientes domésticos. O...