4183 artículos
El artículo presenta MultiShadow, un enfoque basado en modelos de difusión que genera sombras físicamente plausibles y consistentes para múltiples objetos insertados en una escena mediante la integración de características espaciales densas y tokens de posición aprendidos, superando así las limitaciones de los métodos existentes enfocados en objetos individuales.
El artículo presenta IoUCert, un marco de verificación formal novedoso que supera las dificultades de las transformaciones no lineales y las métricas IoU para permitir, por primera vez, la verificación de robustez en modelos de detección de objetos basados en anclajes reales como SSD y YOLO.
Los autores proponen un marco de traducción no emparejado basado en el Puente de Schrödinger Neuronal, enriquecido con emparejamiento de distribuciones guiado por difusión y regularizadores de preservación anatómica, para mejorar la calidad y el realismo de las imágenes de resonancia magnética cerebral de campo ultra bajo (64 mT) alineándolas con las de alto campo (3 T).
El artículo presenta TumorFlow, un marco generativo guiado por física que sintetiza secuencias de resonancia magnética cerebral tridimensionales realistas y temporalmente coherentes para visualizar la progresión y la infiltración del glioblastoma en pacientes específicos, combinando modelos de crecimiento biológico con aprendizaje profundo para mejorar la planificación del tratamiento y la generación de datos sintéticos.
El artículo presenta NOVA3R, un enfoque innovador que utiliza un mecanismo de tokens de escena y un decodificador basado en difusión para realizar una reconstrucción 3D amodal completa a partir de imágenes sin pose, superando las limitaciones de alineación con píxeles de los métodos anteriores.
Este artículo presenta un marco unificado de detección conjunta para lacunas y espacios perivasculares agrandados que, mediante mecanismos de atención cruzada inicializada en cero, pérdidas de consistencia topológica y calibración inferencial anatómica, supera el estado del arte en precisión y robustez al resolver los desafíos de interferencia de características y desequilibrio de clases en la enfermedad de los vasos sanguíneos cerebrales.
El artículo presenta "Gaussian Wardrobe", un marco innovador que utiliza una representación composicional de 3D Gaussianas para digitalizar avatares neuronales a partir de videos multivista, permitiendo la descomposición de prendas de vestir independientes del cuerpo para lograr una alta fidelidad dinámica y un ensayo virtual libre y reutilizable.
Este estudio demuestra que la alineación lingüística mediante el método de "Semantic Anchoring" supera el colapso semántico en modelos de patología computacional, permitiendo una generalización efectiva entre especies y tipos de cáncer al reorientar las características visuales sin necesidad de reentrenamiento.
Este artículo propone el marco "Dual Tuning" para cuantificar cuándo el razonamiento es beneficioso en tareas multimodales, estableciendo un "límite de pensamiento" que desafía el paradigma de razonar para todo y guía estrategias de entrenamiento más eficientes.
SkillNet es una infraestructura abierta que crea, evalúa y conecta habilidades de IA a gran escala mediante una ontología unificada y un repositorio de más de 200.000 habilidades, logrando mejorar significativamente el rendimiento de los agentes al permitirles acumular y transferir conocimientos en lugar de reinventar soluciones.
Este artículo presenta un enfoque de aprendizaje profundo multi-modal que integra redes neuronales convolucionales 3D, datos de pose humana y detección de objetos mediante mecanismos de atención cruzada para mejorar la precisión en el reconocimiento de actividades diarias en entornos de asistencia ambiental para adultos mayores.
Este artículo presenta InverseNet, el primer benchmark transversal que demuestra cómo la desviación del operador físico degrada drásticamente el rendimiento de los métodos de aprendizaje profundo en la imagen compresiva, revelando que las arquitecturas condicionadas al operador y la calibración ciega son esenciales para recuperar la precisión perdida.
Este estudio analiza diversas estrategias de fusión y agrupamiento en modelos de aprendizaje profundo para la clasificación de Zonas Climáticas Locales utilizando datos de teledetección multimodal, demostrando que una arquitectura híbrida combinada con agrupación de bandas y fusión de etiquetas logra la mayor precisión y mejora la predicción de clases subrepresentadas en el conjunto de datos So2Sat LCZ42.
El artículo presenta Dual-LoRA Controllable Diffusion, un marco unificado de difusión guiado por centroides que utiliza adaptadores LoRA especializados para lograr simultáneamente la finalización de estructuras locales y la síntesis global en imágenes de histopatología, superando a los métodos existentes en fidelidad estructural y realismo morfológico.
Este artículo presenta Partial Vision Mamba (PVM), un nuevo componente arquitectónico que adapta los principios de las convoluciones parciales a los Modelos de Espacio de Estado (SSM) como Mamba, permitiendo un procesamiento eficiente de datos con regiones inválidas en tareas como la completación de profundidad, la restauración de imágenes y la clasificación.
El artículo presenta PinPoint, un nuevo y exhaustivo benchmark para la recuperación de imágenes compuestas que aborda limitaciones existentes mediante la inclusión de múltiples respuestas correctas, negativos explícitos y pruebas de robustez, revelando deficiencias significativas en los métodos actuales y proponiendo una técnica de reordenamiento libre de entrenamiento basada en modelos de lenguaje multimodal para mejorar su rendimiento.
El artículo presenta SGR3, un marco de trabajo sin entrenamiento que utiliza modelos de lenguaje grandes multimodales y recuperación aumentada para generar gráficos de escenas 3D semánticos sin necesidad de reconstrucción explícita, logrando un rendimiento competitivo frente a modelos basados en redes neuronales gráficas.
Spinverse es un método de reconstrucción de microestructuras basado en física diferenciable que infiere interfaces celulares explícitas a partir de imágenes de resonancia magnética de difusión (dMRI) optimizando la permeabilidad de las caras de una malla tetraédrica mediante un simulador Bloch-Torrey, sin necesidad de modificar la conectividad de la malla ni asumir fronteras impermeables.
Este estudio demuestra que un enfoque multimodal que combina características visuales y textuales mediante el modelo GPT-4.1-nano predice con mayor precisión la dificultad de los ítems de alfabetización en visualización de datos para adultos estadounidenses en comparación con los enfoques unimodales.
Este trabajo propone el método sFRC (Correlación de Anillo de Fourier en parches pequeños y escaneo), una técnica robusta para detectar y cuantificar las alucinaciones en imágenes médicas restauradas mediante aprendizaje profundo y otros métodos, demostrando su eficacia en problemas de CT y MRI con datos submuestreados.