3744 artículos
El artículo presenta FedEU, un marco de optimización federada que utiliza la incertidumbre evidencial y la adaptación personalizada de características para mejorar la segmentación de imágenes de teledetección mediante el ajuste fino de modelos fundacionales, logrando una agregación global más robusta y fiable en entornos heterogéneos.
El artículo presenta EVLF, un método de fusión temprana visión-idioma que alinea las representaciones textuales y visuales en la etapa inicial de la generación para corregir la dominancia semántica excesiva en la destilación de conjuntos de datos basada en difusión, logrando así datos sintéticos más fieles y precisos.
Este artículo propone una red de desacoplamiento y recoplamiento multimodal que separa las características BEV de LiDAR y cámara en componentes invariantes y específicos para recuperar información robusta mediante expertos especializados, logrando así una detección 3D superior tanto en datos limpios como corruptos.
El artículo presenta RobustSCI, un marco pionero que transforma la imagen compresiva de instantáneas (SCI) de video de una simple reconstrucción a una restauración robusta capaz de recuperar escenas originales a partir de mediciones degradadas por desenfoque de movimiento y baja iluminación, mediante un nuevo bloque de red y un benchmark a gran escala.
El paper presenta RayD3D, un método que mejora la robustez de la detección 3D multi-vista al transferir conocimiento de profundidad específicamente a lo largo del rayo óptico mediante dos módulos de destilación, eliminando así la interferencia de información irrelevante de los datos LiDAR y superando a los modelos existentes en escenarios con corrupción de datos.
El documento presenta DocCogito, un marco unificado que alinea la percepción global del diseño con un razonamiento estructurado y fundamentado en regiones visuales mediante una Cadena Visual-Semántica, logrando resultados de vanguardia en múltiples benchmarks de comprensión de documentos.
Este artículo presenta AMR-CCR, un marco de recuperación modular anclada diseñado para el reconocimiento continuo de caracteres chinos antiguos que aborda el crecimiento incremental de clases y la diversidad estilística mediante un diccionario multimodal y un módulo de inyección condicionado al guión, respaldado por el nuevo benchmark EvoCON.
Este trabajo propone un marco de difusión latente esquelética que integra priores estructurales y un nuevo conjunto de datos médico (MedSDF) para generar formas anatómicas de alta fidelidad con mayor eficiencia computacional que los métodos existentes.
Este artículo establece una conexión precisa entre los modelos de deriva y los basados en puntuación, demostrando que la deriva con núcleo gaussiano equivale a un objetivo de coincidencia de puntuaciones en distribuciones suavizadas y proporcionando un marco unificado que explica su relación con métodos como DMD y su validez en diversos regímenes.
El artículo presenta EvolveReason, un paradigma de razonamiento autoevolutivo que combina un conjunto de datos de pensamiento encadenado, la captura de distribuciones latentes de falsificaciones y una estrategia de exploración mediante aprendizaje por refuerzo para mejorar la precisión, la explicabilidad y la reducción de alucinaciones en la identificación de deepfakes faciales.
Este trabajo presenta SketchGraphNet, una arquitectura híbrida de grafos que combina paso de mensajes local con un mecanismo de atención global eficiente en memoria para el reconocimiento de bocetos a gran escala, y evalúa su rendimiento en un nuevo benchmark de 3,44 millones de grafos, logrando una alta precisión y reduciendo significativamente el uso de memoria y tiempo de entrenamiento en comparación con métodos anteriores.
El paper presenta ACCURATE, un marco de reconstrucción 3D robusto que combina redes neuronales de segmentación con un algoritmo de optimización geométrica para lograr una precisión superior a 1.0 mm en la reconstrucción de cuerpos continuos delgados y arbitrariamente deformables bajo condiciones de ruido y oclusión.
Este trabajo propone un marco geométrico que recupera la escala métrica absoluta de imágenes de UAV monocular utilizando vehículos pequeños como anclajes semánticos y un modelo de proyección estereoscópica desacoplado, mejorando así la robustez de la geo-localización cruzada entre UAV y satélite al corregir la desalineación de escala en escenarios reales.
El artículo presenta UniLongGen, una estrategia de inferencia sin entrenamiento que mejora la generación de imágenes interleaved a largo plazo mediante la curación dinámica del contexto para eliminar señales visuales interferentes que degradan la calidad de la generación.
El artículo presenta CONSTANT, un nuevo modelo de difusión para la generación de escritura a mano en un solo disparo que utiliza cuantización consciente del estilo y mejora de contraste de parches para capturar con precisión las características únicas de un escritor a partir de una sola imagen de referencia, superando a los métodos actuales en diversos idiomas.
El artículo presenta DreamSAC, un marco que combina una estrategia de exploración basada en simetrías con un modelo de mundo hamiltoniano para aprender invariancias físicas y lograr una generalización extrapolativa superior en simulaciones físicas 3D.
ReconDrive es un marco de trabajo feed-forward que adapta el modelo fundacional VGGT mediante cabezales de predicción híbridos y una estrategia de composición estático-dinámica para generar rápidamente representaciones 4D de alta fidelidad de escenas de conducción autónoma, superando a los métodos existentes en velocidad y calidad de síntesis de nuevas vistas.
Este artículo presenta un marco de inferencia activa para el reconocimiento de microgestos que utiliza el Muestreo Temporal guiado por Energía Libre Esperada y el Aprendizaje Adaptativo para superar los desafíos de variabilidad, ruido y escasez de datos, logrando mejoras consistentes en el conjunto de datos SMG.
El artículo presenta PureCC, un método de personalización de conceptos texto-a-imagen que utiliza un objetivo de aprendizaje desacoplado y una escala de guía adaptativa para lograr una alta fidelidad en la generación de nuevos conceptos sin comprometer el comportamiento y las capacidades originales del modelo.
Brain-WM es un modelo de mundo pionero para el glioblastoma que utiliza una arquitectura novedosa de mezcla de transformadores en forma de Y para unificar la predicción de tratamientos y la generación de imágenes de resonancia magnética futuras, capturando así la dinámica coevolutiva entre el tumor y la intervención terapéutica para optimizar los resultados clínicos.