5861 artículos
Este artículo presenta MFP3D, un nuevo marco que estima con precisión el tamaño de las porciones de comida y su contenido energético a partir de una única imagen monocromática mediante la reconstrucción de nubes de puntos 3D y la extracción combinada de características, superando las limitaciones de los métodos existentes que requieren objetos de referencia o múltiples vistas.
Este artículo propone un marco novedoso para la detección de objetos en una sola etapa que reemplaza la tarea de clasificación por una de clasificación de ordenamiento utilizando la pérdida de Precisión Media (AP-loss), la cual se optimiza mediante un algoritmo híbrido que combina el aprendizaje del perceptrón y la retropropagación para mitigar el desequilibrio entre clases y lograr un rendimiento superior al estado del arte.
El artículo presenta OS-Det3D, un marco de entrenamiento de dos etapas que combina propuestas de objetos 3D agnósticas a la clase derivadas de LiDAR con un módulo de selección conjunta basado en características de cámara para mejorar la detección de objetos desconocidos y conocidos en escenarios de conducción autónoma.
Este artículo demuestra que las funciones de activación basadas en bases ortonormales, como los polinomios de Hermite, la base trigonométrica de Fourier y una base tropicalizada, permiten entrenar modelos profundos de manera estable sin mecanismos de anclaje, ofreciendo además una interpretación polinómica de las redes y una aproximación precisa a activaciones clásicas para tareas de ajuste fino.
Este artículo propone un nuevo marco para la detección de objetos en una sola etapa que reemplaza la tarea de clasificación por una de clasificación de ordenamiento utilizando la pérdida de precisión media (AP-loss), combinada con un algoritmo de optimización novedoso que supera las dificultades de no diferenciabilidad y no convexidad, logrando así mejoras significativas en el rendimiento sin alterar las arquitecturas de red existentes.
Este trabajo presenta ZACAF, un marco automatizado que utiliza aprendizaje por transferencia y aumentación de datos para mejorar la precisión y generalización en la cuantificación de la función cardiovascular en cebrafish, demostrando su eficacia en el análisis de mutantes nrap.
El artículo propone el método TG-MIL, que incorpora sesgos inductivos topológicos para preservar la estructura de los datos en el aprendizaje múltiple de instancias, logrando mejoras significativas en la clasificación de enfermedades raras y otros escenarios con escasez de datos.
El artículo presenta el diseño de lentes impulsado por tareas, un enfoque que optimiza la formación de imágenes específicamente para modelos de visión por computadora preentrenados, logrando un proceso de entrenamiento estable y superando a las lentes clásicas al preservar mejor las características estructurales preferidas por la red.
El modelo HAL propone un enfoque de aprendizaje jerárquico basado en la diferencia de tasas de evolución entre variables visuales y de acción latente para lograr una segmentación de acciones débilmente supervisada con variables estrictamente identificables y rendimiento superior.
El artículo presenta GTASR, un paradigma de entrenamiento ligero para la superresolución de imágenes en escenarios reales que supera las limitaciones de los modelos de consistencia existentes mediante una alineación de trayectoria y una rectificación estructural dual, logrando así una generación de alta calidad en un solo paso con baja latencia.
Este trabajo presenta un nuevo método que mejora la comprensión espacial en la generación de imágenes mediante la construcción del conjunto de datos SpatialReward-Dataset y el modelo de recompensa SpatialScore, los cuales permiten un aprendizaje por refuerzo en línea que supera a los modelos propietarios existentes en la evaluación y generación precisa de relaciones espaciales complejas.
Este artículo presenta una jerarquía de superpíxeles para imágenes de alta dimensión que integra la información espacial y de atributos para permitir una exploración coherente tanto en el espacio de la imagen como en el de los atributos, superando las limitaciones de los métodos jerárquicos tradicionales que ignoran la disposición espacial de los píxeles.
El artículo presenta HumanOrbit, un modelo de difusión de video que genera una orbita de 360° continua y consistente a partir de una sola imagen para reconstruir mallas 3D texturizadas de alta fidelidad de personas.
Este trabajo propone un método compacto para la Splatting Gaussiana 3D que combina una estrategia de poda adaptativa basada en la calidad de reconstrucción y un nuevo primitivo de Diferencia de Gaussianas, logrando una reducción de hasta un 90% en el número de gaussianas sin sacrificar la calidad visual.
Este trabajo propone un marco unificado que combina patrones de costura implícitos con un modelo de difusión generativo para reconstruir con alta fidelidad la geometría de prendas de vestir en 3D a partir de imágenes monoculares y secuencias de video, logrando una consistencia temporal robusta y una generalización efectiva a escenas reales tanto para prendas ajustadas como holgadas.
El artículo presenta AIR, un marco sin entrenamiento que mitiga las alucinaciones en modelos de lenguaje grandes multimodales mediante la reducción de tokens visuales y la integración selectiva de parches, mejorando así la fiabilidad del modelo sin incurrir en costes de supervisión ni latencia adicional.
El artículo presenta GuardAlign, un marco de defensa sin entrenamiento que mejora la alineación de seguridad en modelos de lenguaje multimodal grandes mediante la detección de riesgos optimizada con transporte óptimo y la calibración atenta cruzada, logrando reducir significativamente las respuestas inseguras sin comprometer la utilidad del modelo.
SteerVAD es un marco novedoso que mejora la detección de anomalías en videos utilizando modelos multimodales grandes congelados mediante la identificación de expertos latentes y la aplicación de señales de rectificación dinámicas para orientar y corregir sus representaciones internas, logrando un rendimiento superior con datos de entrenamiento mínimos.
El artículo presenta SR3R, un marco de aprendizaje profundo de alimentación directa que reformula la reconstrucción 3D de superresolución como un mapeo directo desde vistas escasas de baja resolución hacia representaciones 3DGS de alta resolución, logrando una generalización robusta y una fidelidad superior al aprender automáticamente geometrías y apariencias de alta frecuencia a partir de datos multiescena.
Este trabajo propone un modelo de difusión latente ordinal para generar imágenes de fondo de ojo que incorpora explícitamente la estructura ordenada de la progresión de la retinopatía diabética, logrando una mayor realismo visual y consistencia clínica en comparación con los modelos condicionales estándar.