5485 artículos
Este artículo presenta la Sensación de Radio Ambiental (ARS), un enfoque innovador que aprovecha las señales 5G existentes para la detección de actividades humanas sin interferir con las comunicaciones, superando la escasez de espectro mediante una arquitectura de hardware pasiva y un marco de aprendizaje cruzado que utiliza modelos de visión para entrenar el modelo de radio.
Este artículo propone un marco de aumento de datos inspirado en la pregunta y respuesta visual (VQA) que mejora el reconocimiento de texto en escenas y manuscrito mediante la generación de preguntas estructuradas sobre atributos de caracteres, logrando reducciones significativas en las tasas de error de caracteres y palabras en los conjuntos de datos WordArt y Esposalles.
Este artículo presenta un nuevo marco para la generación de grafos de escena de tráfico que, al integrar datos de accidentes y cues de profundidad, identifica y prioriza los peligros relevantes para el vehículo ego, superando las limitaciones de los enfoques existentes en la comprensión de la seguridad vial.
El artículo presenta DM-CFO, un enfoque basado en modelos de difusión que genera diseños de dientes 3D composicionales realistas y libres de colisiones mediante la restauración progresiva de la disposición dental bajo restricciones de texto y gráfico, junto con una optimización geométrica que penaliza las intersecciones entre dientes.
Este estudio propone un marco que mejora la detección y el re-identificación de pingüinos en entornos desafiantes al integrar características de apariencia y movimiento, adaptando YOLO11 para el procesamiento de frames consecutivos y empleando aprendizaje contrastivo basado en tracklets para reducir los cambios de identidad.
Este artículo propone un método de estimación de orientación de cabeza mediante votación por mayoría para mejorar el seguimiento de caballos salvajes en videos aéreos, superando las limitaciones de los detectores de cajas delimitadoras orientadas actuales que no pueden distinguir la cabeza de la cola.
El artículo presenta **ParaHydra**, un nuevo marco de compresión de imágenes multivista distribuida que utiliza el mecanismo de atención **OmniParallax** para superar significativamente el rendimiento de los códecs existentes, logrando ahorros de bitrate superiores al 19% y una eficiencia de codificación hasta 65 veces mayor.
Este artículo presenta LeafInst, un marco de segmentación de instancias novedoso diseñado para el análisis fenotípico de hojas de árboles jóvenes en entornos abiertos mediante imágenes UAV, el cual se valida en el nuevo conjunto de datos Poplar-leaf y demuestra un rendimiento superior frente a modelos existentes como YOLOv11 y MaskDINO.
El artículo presenta RAGTrack, un marco innovador de seguimiento RGB-T que integra descripciones textuales generadas por modelos de lenguaje multimodal y un mecanismo de generación aumentada por recuperación para superar las limitaciones de los métodos actuales mediante un modelado unificado visual-lingüístico y un razonamiento temporal dinámico.
El artículo presenta CoRe-BT, un nuevo benchmark multimodal que integra imágenes de resonancia magnética, patología y texto para mejorar el diagnóstico robusto de tipos de tumores cerebrales, incluso en escenarios clínicos donde faltan datos de alguna modalidad.
Este trabajo presenta un marco riguroso que extiende los operadores neuronales para manejar funciones fuera de la distribución mediante aproximaciones de kernels y espacios de Hilbert de núcleo reproductor, permitiendo la captura precisa de valores y derivadas, lo cual se valida empíricamente en la resolución de ecuaciones diferenciales parciales elípticas en variedades.
Este artículo presenta la inyección de prompts basada en imágenes, un ataque de caja negra que incrusta instrucciones adversarias en imágenes naturales para manipular el comportamiento de los modelos de lenguaje multimodal, logrando hasta un 64% de éxito al mantener el sigilo visual.
El artículo presenta InfinityStory, un marco innovador que supera los desafíos de la generación de videos narrativos largos mediante un modelo y un dataset sintético que garantizan la consistencia visual del fondo, la identidad de los personajes y transiciones fluidas entre planos con múltiples sujetos.
El artículo presenta SCFlowFR, un método de restauración facial en un solo paso que utiliza un flujo de acoplamiento mejorado con atajos para modelar dependencias entre datos de baja y alta calidad, logrando resultados de vanguardia con una velocidad de inferencia comparable a los métodos no difusivos.
Esta tesis doctoral presenta un marco de imagen de campo integral que combina sistemas de captura, algoritmos de segmentación y redes neuronales de reconstrucción 3D para superar las limitaciones de los métodos actuales y permitir la caracterización morfológica automatizada y precisa de agregados de construcción en diversos escenarios, desde partículas individuales hasta pilas de stock.
Este trabajo presenta InEdit-Bench, el primer benchmark diseñado para evaluar la capacidad de los modelos generativos multimodales de razonar sobre trayectorias lógicas intermedias en la edición de imágenes, revelando mediante una evaluación exhaustiva las deficiencias actuales de estos sistemas en escenarios complejos que requieren comprensión causal y dinámica.
El artículo presenta MAP, un método innovador que protege la privacidad facial mediante la edición de emociones para disfrazar identidades, superando a las técnicas tradicionales en transferibilidad, calidad perceptual y eficacia contra sistemas de reconocimiento facial en diversos grupos demográficos y escenarios.
El artículo presenta EvoPrune, un método de poda de tokens visuales en etapas tempranas que, al operar directamente durante la codificación visual mediante una estrategia guiada por similitud, diversidad e importancia, logra duplicar la velocidad de inferencia en modelos multimodales con una degradación de rendimiento inferior al 1%.
Este trabajo propone un modelo de segmentación de pólipos que integra representaciones en escala de grises y RGB mediante interacción de frecuencias consistentes, superando las limitaciones de contraste de los métodos convencionales y logrando una mayor precisión en la localización de los bordes para la detección temprana del cáncer colorrectal.
El artículo propone ERK-Guid, un método de muestreo para modelos de difusión que utiliza el error de truncamiento local del solucionador como señal de guía para detectar regiones rígidas y mejorar la calidad de la generación, superando a los métodos actuales en conjuntos de datos como ImageNet.