6485 artículos
El artículo presenta RadioGS, un marco de renderizado inverso que utiliza surfels gaussianos y trazado de rayos 2D para integrar consistencia radiométrica, logrando así una descomposición precisa de materiales y efectos de iluminación global con alta eficiencia computacional y capacidad de reiluminación.
El artículo presenta PhotoBench, el primer benchmark construido a partir de álbumes personales auténticos que supera las limitaciones de la coincidencia visual tradicional al evaluar la capacidad de los sistemas para realizar razonamiento multimodal basado en múltiples fuentes e intenciones personalizadas, revelando así la necesidad de arquitecturas de agentes robustas para la recuperación de fotos.
Este artículo introduce un marco teórico de tasa-distorsión que utiliza firmas geométricas (pendiente y curvatura) derivadas de matrices de confusión para cuantificar y comparar los compromisos entre precisión y robustez en la generalización visual, revelando que, aunque los sistemas biológicos y artificiales siguen principios comunes de compresión con pérdida, los humanos exhiben trade-offs más flexibles y menos frágiles que las redes neuronales profundas actuales.
Este artículo presenta el marco DTI-UIE, un enfoque de mejora de imágenes submarinas inspirado en tareas posteriores que, mediante una red de dos ramas, una pérdida perceptual orientada a tareas y un conjunto de datos construido automáticamente, optimiza la calidad de las imágenes para mejorar el rendimiento en tareas de visión como la segmentación y la detección de objetos.
Este artículo presenta NO-CTR, una representación de funciones tensoriales continuas fundamentada en operadores neuronales que supera las limitaciones de los productos modales discretos mediante operadores no lineales continuos, logrando una aproximación teóricamente universal y un rendimiento superior en la completación de datos multidimensionales tanto en mallas regulares como irregulares.
FireRed-OCR es un marco sistemático que transforma modelos VLM generales en expertos de OCR estructural mediante una fábrica de datos "Geometría + Semántica" y una estrategia de entrenamiento progresivo de tres etapas, logrando un rendimiento superior al estado del arte en el análisis de documentos complejos.
Este trabajo presenta Tiny-DroNeRF, un modelo de campos neuronales de radiación optimizado para microcontroladores de ultra bajo consumo en nano-drones que, combinado con un esquema de aprendizaje federado, permite la reconstrucción 3D densa en entornos con recursos extremadamente limitados reduciendo la huella de memoria en un 96% con una mínima pérdida de precisión.
Este trabajo presenta un método de predicción de trayectorias de drones basado exclusivamente en cámaras de eventos que extrae la velocidad de rotación de las hélices de los datos crudos y la integra en un filtro de Kalman consciente de las RPM, logrando una precisión superior a los enfoques basados en aprendizaje y a los filtros de Kalman convencionales sin necesidad de imágenes RGB ni datos de entrenamiento.
Este trabajo propone un prior estructural tridimensional libre de entrenamiento llamado Campo de Uniones 3D (3D FoJ) que, al optimizar uniones de cuñas para representar volúmenes, logra una eliminación de ruido superior y la preservación de bordes nítidos en problemas inversos volumétricos de baja relación señal-ruido sin riesgo de alucinaciones.
Este artículo propone y evalúa una nueva metodología de aumento de datos llamada C2GMA, que utiliza CycleGANs para generar imágenes interpoladas de dominio no visible a partir de imágenes visibles, logrando una mejora significativa en la clasificación de imágenes de Radar de Apertura Sintética (SAR) al superar las estrategias tradicionales.
El artículo presenta Dite-HRNet, una red de alta resolución ligera y dinámica que incorpora convolución de división dinámica y modelado de contexto adaptativo para capturar eficientemente interacciones a larga distancia y dependencias espaciales, logrando un rendimiento superior en la estimación de la pose humana en los conjuntos de datos COCO y MPII.
El artículo presenta CO^3, un método de aprendizaje no supervisado que combina el aprendizaje contrastivo cooperativo entre sensores LiDAR vehiculares e infraestructurales con la predicción del contexto de la forma para generar representaciones 3D superiores en escenarios de conducción autónoma al aire libre.
Este artículo propone un esquema de detección de fallos para paneles solares fotovoltaicos basado en una red neuronal convolucional (CNN) entrenada que clasifica las imágenes de las células en normales o defectuosas, logrando una precisión del 91,1 % en clasificación binaria y superando a estudios anteriores.
Este trabajo aborda el problema de la sobreoptimización de recompensas en la alineación de modelos de difusión proponiendo TDPO-R, un algoritmo que mitiga este fenómeno al explotar el sesgo inductivo temporal inherente y regularizar el sesgo de primacía mediante el reinicio de neuronas activas en el modelo crítico.
El artículo presenta Uni-ISP, un pipeline innovador que unifica el aprendizaje de procesadores de señal de imagen (ISP) para diversas cámaras móviles mediante incrustaciones específicas del dispositivo y un esquema de entrenamiento especial, logrando mayor precisión, adaptabilidad y habilitando nuevas aplicaciones, todo respaldado por un nuevo conjunto de datos real de 4K llamado FiveCam.
El artículo presenta R2GenCSR, un marco eficiente para la generación de informes radiológicos que utiliza Mamba como columna vertebral visual de complejidad lineal y recupera información contextual de muestras relacionadas para potenciar la capacidad de los modelos de lenguaje grande (LLM) en la creación de informes médicos de alta calidad.
Este artículo presenta Shuffle Mamba, un marco novedoso para la fusión de imágenes multimodales que introduce una estrategia de escaneo aleatorio inspirada en Bayes para eliminar los sesgos de las estrategias fijas, garantizando así un campo receptivo global imparcial y una interacción robusta entre modalidades.
Este trabajo presenta el primer método para el olvido de etiquetas en el Aprendizaje Federado Vertical, que utiliza una mezcla de variedades a nivel de representación y optimización basada en gradientes para eliminar eficazmente la información de las etiquetas sensibles sin revelar datos ni comprometer el rendimiento en los datos retenidos.
Este artículo presenta Stereo-Talker, un sistema novedoso de síntesis de video 3D impulsado por audio que genera videos de personas parlantes fotorrealistas y con sincronización labial precisa mediante un enfoque de dos etapas que integra priores de modelos de lenguaje grande para la diversidad de gestos y un mecanismo de mezcla de expertos (MoE) guiado para mejorar la estabilidad de la renderización y el control continuo de la vista.
Este artículo presenta SDPO, un nuevo marco de aprendizaje por refuerzo que alinea modelos de difusión de pocos pasos con objetivos específicos mediante un muestreo de trayectorias de doble estado y un aprendizaje de diferencias de recompensa densas para lograr actualizaciones de política más frecuentes y granulares.