cs.CV artículos | Gist.Science

A Boundary-Metric Evaluation Protocol for Whiteboard Stroke Segmentation Under Extreme Imbalance

Este trabajo propone un protocolo de evaluación integral que combina métricas de región, límites y equidad entre subconjuntos para demostrar que, en la segmentación de trazos de pizarra bajo desequilibrio extremo, los modelos de aprendizaje profundo optimizados con funciones de pérdida basadas en superposición y mayor resolución superan a los métodos clásicos en consistencia y rendimiento en casos extremos, a pesar de que estos últimos logren un F1 medio ligeramente superior.

Nicholas Korcynski2026-03-03🤖 cs.LG

ConFoThinking: Consolidated Focused Attention Driven Thinking for Visual Question Answering

El artículo presenta ConFoThinking, un marco que mejora la respuesta a preguntas visuales en modelos de lenguaje multimodal al consolidar señales de atención dispersas en una capa intermedia y extraerlas mediante claves semánticas concisas para localizar y ampliar regiones de interés de manera más precisa.

Zhaodong Wu, Haochen Xue, Qi Cao + 5 more2026-03-03💻 cs

Exploring the AI Obedience: Why is Generating a Pure Color Image Harder than CyberPunk?

Este artículo introduce un marco jerárquico para evaluar la obediencia de la IA, identifica la paradoja de que generar imágenes de color puro es más difícil que crear escenas complejas como el Cyberpunk debido a la sobreposición de priores generativos, y presenta VIOLIN, el primer benchmark diseñado para medir estas limitaciones mediante la generación de colores puros.

Hongyu Li, Kuan Liu, Yuan Chen + 6 more2026-03-03🤖 cs.AI

Image-Based Classification of Olive Species Specific to Turkiye with Deep Neural Networks

Este estudio demuestra que el uso de redes neuronales convolucionales, específicamente el modelo EfficientNetB0, permite clasificar con una precisión del 94,5% las distintas variedades de olivo cultivadas en Turquía, ofreciendo una solución eficaz para la identificación automática y el control de calidad en el sector agrícola.

Irfan Atabas, Hatice Karatas2026-03-03💻 cs

Summer-22B: A Systematic Approach to Dataset Engineering and Training at Scale for Video Foundation Model

Este artículo describe la experiencia de entrenamiento del modelo fundacional de video Summer-22B, destacando que la ingeniería de datos fue el esfuerzo predominante y compartiendo lecciones clave sobre curación de conjuntos de datos, decisiones arquitectónicas y optimización a escala.

Simo Ryu, Chunghwan Han2026-03-03🤖 cs.LG

Efficient Long-Horizon GUI Agents via Training-Free KV Cache Compression

El artículo presenta ST-Lite, un marco de compresión de caché KV sin entrenamiento diseñado específicamente para agentes de GUI que, al abordar la alta dispersión uniforme de la atención mediante una política de puntuación dual basada en la saliencia espacial y el enmascaramiento semántico de trayectorias, logra una aceleración de decodificación de 2.45x manteniendo un rendimiento superior con un presupuesto de caché reducido.

Bowen Zhou, Zhou Xu, Wanli Li + 2 more2026-03-03🤖 cs.LG

Task-Driven Subspace Decomposition for Knowledge Sharing and Isolation in LoRA-based Continual Learning

El artículo propone LoDA, un método de aprendizaje continuo basado en LoRA que mejora el equilibrio entre la transferencia y el aislamiento de conocimientos mediante la descomposición de subespacios impulsada por tareas y la optimización de proyecciones ascendentes alineadas con el gradiente.

Lingfeng He, De Cheng, Huaijie Wang + 3 more2026-03-03🤖 cs.LG

SKeDA: A Generative Watermarking Framework for Text-to-video Diffusion Models

El artículo presenta SKeDA, un marco de marcaje de agua generativo para modelos de difusión de texto a video que mejora la robustez y la fidelidad mediante el muestreo de distribución preservada basado en claves de mezcla y la atención diferencial para mitigar la desalineación de cuadros y las distorsiones temporales.

Yang Yang, Xinze Zou, Zehua Ma + 2 more2026-03-03🤖 cs.AI

A Case Study on Concept Induction for Neuron-Level Interpretability in CNN

Este estudio de caso demuestra que el marco de inducción de conceptos para la interpretabilidad a nivel de neuronas en redes neuronales convolucionales, previamente validado en ADE20K, se generaliza exitosamente al conjunto de datos SUN2012 para la reconocimiento de escenas.

Moumita Sen Sarma, Samatha Ereshi Akkamahadevi, Pascal Hitzler2026-03-03🤖 cs.AI

Stateful Token Reduction for Long-Video Hybrid VLMs

Este artículo propone un método de reducción progresiva de tokens impulsado por el lenguaje y adaptado a arquitecturas híbridas de VLMs de video largo, que logra aceleraciones significativas en la previsualización sin sacrificar la precisión al abordar la inestabilidad de la importancia de los tokens a través de las capas.

Jindong Jiang, Amala Sanjay Deshmukh, Kateryna Chumachenko + 7 more2026-03-03🤖 cs.AI

AdURA-Net: Adaptive Uncertainty and Region-Aware Network

Este artículo presenta AdURA-Net, un marco de red neuronal impulsado por geometría que integra convoluciones adaptativas y aprendizaje evidencial dual para mejorar la clasificación confiable de enfermedades torácicas al manejar eficazmente la incertidumbre en conjuntos de datos médicos multietiqueta.

Antik Aich Roy, Ujjwal Bhattacharya2026-03-03🤖 cs.AI

Optimisation of SOUP-GAN and CSR-GAN for High Resolution MR Images Reconstruction

Esta investigación optimiza los modelos SOUP-GAN y CSR-GAN mediante modificaciones arquitectónicas y técnicas de estabilización para mejorar la reconstrucción de imágenes de resonancia magnética de alta resolución, logrando que CSR-GAN destaque en detalles de alta frecuencia y SOUP-GAN en la reducción de ruido, lo que facilita diagnósticos más precisos.

Muneeba Rashid, Hina Shakir, Humaira Mehwish + 2 more2026-03-03⚡ eess

Efficient Flow Matching for Sparse-View CT Reconstruction

Este artículo presenta FMCT y su variante eficiente EFMCT, un marco de reconstrucción de tomografía computarizada basado en Flow Matching que, al utilizar trayectorias deterministas y reutilizar campos de velocidad, logra una calidad de reconstrucción competitiva con una eficiencia computacional significativamente superior a los métodos basados en difusión.

Jiayang Shi, Lincen Yang, Zhong Li + 3 more2026-03-03⚡ eess

TACIT Benchmark: A Programmatic Visual Reasoning Benchmark for Generative and Discriminative Models

El artículo presenta TACIT, un nuevo benchmark programático de razonamiento visual que evalúa modelos generativos y discriminativos mediante 10 tareas en seis dominios lógicos, utilizando tanto la generación de imágenes verificadas algorítmicamente como opciones múltiples con distractores estructurales precisos para evitar sesgos superficiales.

Daniel Nobrega Medeiros2026-03-03🤖 cs.AI

VisRef: Visual Refocusing while Thinking Improves Test-Time Scaling in Multi-Modal Large Reasoning Models

El artículo presenta VisRef, un marco de escalado en tiempo de prueba que mejora el razonamiento multimodal al reinyectar dinámicamente un núcleo de tokens visuales semánticamente relevantes, superando a los enfoques existentes sin requerir costoso ajuste fino basado en aprendizaje por refuerzo.

Soumya Suvra Ghosal, Youngeun Kim, Zhuowei Li + 6 more2026-03-03🤖 cs.AI

Physical Evaluation of Naturalistic Adversarial Patches for Camera-Based Traffic-Sign Detection

Este artículo evalúa la eficacia de parches adversarios naturalistas en la detección física de señales de tráfico para vehículos autónomos, demostrando mediante un conjunto de datos personalizado (CompGTSRB) y un banco de pruebas Quanser QCar que dichos parches reducen significativamente la confianza del detector en la clase "STOP" bajo diversas configuraciones físicas.

Brianna D'Urso, Tahmid Hasan Sakib, Syed Rafay Hasan + 1 more2026-03-03🤖 cs.AI

Pretty Good Measurement for Radiomics: A Quantum-Inspired Multi-Class Classifier for Lung Cancer Subtyping and Prostate Cancer Risk Stratification

Este artículo presenta un clasificador cuántico inspirado en la "Pretty Good Measurement" para la discriminación de múltiples clases en radiómica, demostrando su competitividad y eficacia en la subtipificación del carcinoma de pulmón y la estratificación de riesgo del cáncer de próstata frente a métodos clásicos establecidos.

Giuseppe Sergioli, Carlo Cuccu, Giovanni Pasini + 4 more2026-03-03⚛️ quant-ph

Scaling Quantum Machine Learning without Tricks: High-Resolution and Diverse Image Generation

Este artículo presenta un sistema de aprendizaje generativo cuántico que, al eliminar trucos de reducción de dimensionalidad y aprovechar sesgos inductivos en circuitos variacionales, logra generar imágenes de alta resolución y diversas de los conjuntos de datos MNIST, Fashion-MNIST y Street View House Numbers, estableciendo un nuevo estado del arte con un único generador cuántico de extremo a extremo.

Jonas Jäger, Florian J. Kiwit, Carlos A. Riofrío2026-03-03⚛️ quant-ph

Adversarial Patch Generation for Visual-Infrared Dense Prediction Tasks via Joint Position-Color Optimization

Este artículo presenta AP-PCO, un marco de optimización conjunta de posición y color que genera parches adversariales efectivos y sigilosos para atacar sistemas de predicción densa visuales e infrarrojos mediante la adaptación cruzada de modalidades en un escenario de caja negra.

He Li, Wenyue He, Weihang Kong + 1 more2026-03-03💻 cs

Ozone Cues Mitigate Reflected Downwelling Radiance in LWIR Absorption-Based Ranging

Este artículo presenta dos nuevos métodos de teledetección pasiva en el infrarrojo de onda larga que utilizan las características de absorción del ozono para estimar y mitigar la radiancia reflejada, logrando así una precisión de rango significativamente superior en comparación con las técnicas anteriores.

Unay Dorken Gallastegi, Wentao Shangguan, Vaibhav Choudhary + 4 more2026-03-03⚡ eess

← Anterior Siguiente →