5561 artículos
MERG3R es un marco de trabajo sin entrenamiento que utiliza un enfoque de dividir y conquistar para reordenar, reconstruir localmente y alinear globalmente colecciones de imágenes desordenadas, permitiendo que los modelos de geometría visual neuronal escalen más allá de los límites de memoria de la GPU para lograr reconstrucciones 3D de alta calidad.
Este trabajo identifica y aborda las limitaciones de generalización de los métodos actuales de recuperación de momentos en video al pasar de consultas basadas en subtítulos a consultas de búsqueda, proponiendo modificaciones arquitectónicas que mitigan el colapso de las consultas del decodificador y logran mejoras significativas en el rendimiento, especialmente en consultas de búsqueda que abarcan múltiples momentos.
Este artículo propone un marco de selección de conjuntos de características radiómicas específico para cada paciente que, mediante una estrategia de recuperación en dos etapas, supera las limitaciones de los enfoques tradicionales de "top-k" y los modelos de aprendizaje profundo de caja negra, logrando un rendimiento diagnóstico competitivo en tareas de resonancia magnética de rodilla mientras garantiza una alta transparencia y auditabilidad clínica.
Este trabajo presenta "Cultural Counterfactuals", un conjunto de datos sintético de alta calidad con 60.000 imágenes generadas mediante edición para evaluar y cuantificar los sesgos culturales (religión, nacionalidad y estatus socioeconómico) en Modelos Grandes de Visión y Lenguaje (LVLM) al colocar a las mismas personas en diversos contextos culturales.
Este trabajo presenta un modelo volumétrico diferenciable basado en SMPL y en una nueva transformación KTPolyRigid que, al resolver ambigüedades en movimientos articulares, permite una alineación anatómica fetal precisa con menos artefactos, facilitando así el registro de imágenes y la segmentación de órganos en resonancias magnéticas fetales.
Este trabajo expone y demuestra empíricamente la "colisión de integridad", una vulnerabilidad en la que un activo digital puede pasar simultáneamente la verificación de un manifiesto C2PA que afirma autoría humana y un marcaje de agua que lo identifica como generado por IA, proponiendo a continuación un protocolo de auditoría cruzada que resuelve esta contradicción con un 100% de precisión sin comprometer la criptografía.
Este artículo presenta una tutoría que demuestra cómo utilizar la biblioteca TorchGeo para implementar flujos de trabajo de aprendizaje automático en observación terrestre, ilustrando su aplicación práctica mediante un estudio de caso sobre la segmentación de aguas superficiales en imágenes Sentinel-2.
OpenMarcie es el conjunto de datos multimodal más grande hasta la fecha para la reconocimiento de acciones humanas en entornos industriales, que integra más de 37 horas de datos de sensores portátiles y cámaras de 36 participantes en tareas de ensamblaje realistas para evaluar la clasificación de actividades, la generación de descripciones y la alineación cruzada de modalidades.
El artículo presenta QuADD, un marco unificado para la destilación de conjuntos de datos que optimiza conjuntamente la compacidad y la precisión mediante cuantización diferenciable, logrando un rendimiento superior en bits por muestra en comparación con los métodos existentes.
Este artículo presenta TruckDrive, un nuevo conjunto de datos multimodal diseñado específicamente para la conducción autónoma de camiones en autopistas a larga distancia, que revela mediante sus 475.000 muestras anotadas que los modelos actuales de vanguardia no logran generalizar más allá de los 150 metros, exponiendo una brecha crítica en la percepción y planificación a larga distancia.
El marco MIRAGE mejora la predicción de la enfermedad de Alzheimer en cohortes sin resonancia magnética al utilizar un grafo de conocimiento biomédico y un decodificador 3D congelado para extraer representaciones latentes diagnósticas a partir de registros de salud electrónicos, evitando así la reconstrucción volumétrica costosa y superando las limitaciones de datos multimodales.
El artículo presenta ORCA, un marco innovador de agentes colaborativos que mejora la respuesta a preguntas visuales en documentos mediante la descomposición de consultas, el enrutamiento a agentes especializados y un mecanismo de debate para garantizar la fiabilidad de las respuestas.
Este trabajo presenta un enfoque de aprendizaje profundo basado en transferencia de conocimiento que adapta modelos entrenados en incendios forestales generales para detectar eficazmente los incendios de turbera en Malasia, superando las limitaciones de los datos etiquetados y mejorando la precisión en condiciones desafiantes como el humo de baja intensidad y la combustión subsuperficial.
Este trabajo presenta un marco integral para la equidad en la clasificación de tonos de piel que incluye el gran conjunto de datos abierto STW, un benchmark que demuestra la superioridad del aprendizaje profundo sobre los métodos clásicos, y el modelo SkinToneNet, un ViT ajustado que logra un estado del arte en generalización para auditar la equidad en conjuntos de datos públicos.
El artículo presenta E2E-GNet, una red neuronal profunda geométrica de extremo a extremo para el reconocimiento de movimientos humanos basada en esqueletos, que utiliza una capa de transformación geométrica y una optimización consciente de la distorsión para mejorar la precisión de clasificación en espacios no euclidianos con menor costo computacional.
El artículo presenta ModalPatch, un módulo plug-and-play que mejora la robustez de la detección 3D de objetos multimodal en vehículos autónomos compensando las caídas temporales de sensores mediante el uso de datos históricos y una estrategia de fusión guiada por incertidumbre.
El artículo presenta MUSE, una plataforma de código abierto centrada en la ejecución que evalúa la seguridad multimodal de los modelos de lenguaje mediante la generación automática de ataques, un sistema de juicio dual y la técnica de cambio de modalidad entre turnos, revelando que las estrategias de múltiples turnos pueden eludir las defensas de los modelos incluso cuando estos tienen altas tasas de rechazo en interacciones de un solo turno.
Este trabajo introduce dos nuevas estructuras geométricas, una de Finsler y otra dual de información-geométrica, derivadas de la reparametrización de James del dominio de matrices simétricas definidas positivas, las cuales garantizan que las geodésicas sean líneas rectas y generalizan distancias clásicas como la de Hilbert para aplicaciones en aprendizaje automático y otras disciplinas.
El artículo presenta WTHaar-Net, una arquitectura híbrida cuántico-clásica que sustituye la Transformada de Hadamard por la Transformada de Ondícula Haar para lograr una reducción significativa de parámetros y un rendimiento superior en tareas de visión, validando su implementación en hardware cuántico real.
Este artículo presenta un marco de reconstrucción humana 3D basado en video que, al extraer marcadores biomecánicos interpretables e integrarlos con OpenSim, permite una estimación precisa y sin marcadores de los parámetros de la marcha, superando a los métodos convencionales de estimación de pose y facilitando su aplicación clínica.