cs.CV artículos | Gist.Science

Automating Timed Up and Go Phase Segmentation and Gait Analysis via the tugturn Markerless 3D Pipeline

Este artículo presenta \textit{tugturn.py}, una herramienta de código abierto en Python que automatiza el análisis biomecánico del Test de Levantarse y Caminar (TUG) mediante una pipeline 3D sin marcadores, permitiendo la segmentación de fases, la detección de eventos de la marcha y el cálculo de métricas de estabilidad y coordinación intersegmental para apoyar la toma de decisiones clínicas y de investigación.

Abel Gonçalves Chinaglia, Guilherme Manna Cesar, Paulo Roberto Pereira Santiago2026-02-26💻 cs

PSF-Med: Measuring and Explaining Paraphrase Sensitivity in Medical Vision Language Models

El estudio presenta PSF-Med, un benchmark que revela la sensibilidad a parafraseos en modelos de visión y lenguaje médicos, e identifica mediante autoencoders dispersos un mecanismo causal específico que, al ser controlado, mejora significativamente la estabilidad de las respuestas sin comprometer la precisión.

Binesh Sadanandan, Vahid Behzadan2026-02-26🤖 cs.LG

Causal Decoding for Hallucination-Resistant Multimodal Large Language Models

Este trabajo propone un marco de decodificación causal que, mediante intervenciones dirigidas durante la generación, reduce significativamente las alucinaciones de objetos en los Modelos Grandes de Lenguaje Multimodales manteniendo la calidad general de la respuesta.

Shiwei Tan, Hengyi Wang, Weiyi Qin + 3 more2026-02-26🤖 cs.AI

Adversarial Robustness of Deep Learning-Based Thyroid Nodule Segmentation in Ultrasound

Este estudio evalúa la robustez adversarial de un modelo de segmentación de nódulos tiroideos en ultrasonido frente a ataques de ruido estructurado y perturbaciones en el dominio de la frecuencia, demostrando que las defensas de preprocesamiento mejoran significativamente el rendimiento ante ataques espaciales pero resultan ineficaces contra perturbaciones en el dominio de la frecuencia.

Nicholas Dietrich, David McShannon2026-02-26🤖 cs.AI

Perceptual Quality Optimization of Image Super-Resolution

Este trabajo propone la Red de Atención Bidireccional Perceptual Eficiente (Efficient-PBAN), un marco de super-resolución de imágenes que optimiza la calidad visual mediante una métrica de percepción aprendida integrada como función de pérdida diferenciable, superando así las limitaciones de los enfoques tradicionales orientados a la distorsión.

Wei Zhou, Yixiao Li, Hadi Amirpour + 4 more2026-02-26⚡ eess

Unified Unsupervised and Sparsely-Supervised 3D Object Detection by Semantic Pseudo-Labeling and Prototype Learning

Este trabajo presenta SPL, un marco de entrenamiento unificado que combina etiquetado pseudo-semántico y aprendizaje de prototipos para lograr una detección robusta de objetos 3D en escenarios no supervisados y con supervisión escasa, superando el estado del arte en conjuntos de datos como KITTI y nuScenes.

Yushen He2026-02-26💻 cs

AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification

El artículo presenta AHAN, una red neuronal con atención jerárquica asimétrica que mejora la verificación de rostros de gemelos idénticos al analizar variaciones no genéticas mediante módulos de atención cruzada multinivel y de asimetría facial, logrando una precisión del 92,3% en el conjunto de datos ND_TWIN.

Hoang-Nhat Nguyen2026-02-26💻 cs

WaterVIB: Learning Minimal Sufficient Watermark Representations via Variational Information Bottleneck

El artículo presenta WaterVIB, un marco teórico basado en el Cuello de Botella de Información Variacional que logra una robustez superior frente a ataques de regeneración generativa al forzar al codificador a aprender una representación mínima y suficiente del mensaje, filtrando así los detalles de la imagen original susceptibles a alteraciones.

Haoyuan He, Yu Zheng, Jie Zhou + 1 more2026-02-26🤖 cs.LG

Which Tool Response Should I Trust? Tool-Expertise-Aware Chest X-ray Agent with Multimodal Agentic Learning

Este artículo presenta TEA-CXA, un agente de aprendizaje multimodal para el análisis de radiografías de tórax que utiliza aprendizaje por refuerzo para evaluar y resolver conflictos entre herramientas de IA mediante el aprendizaje empírico de su fiabilidad específica por tipo de consulta, superando así a los métodos existentes.

Zheang Huai, Honglong Yang, Xiaomeng Li2026-02-26💻 cs

LiLo-VLA: Compositional Long-Horizon Manipulation via Linked Object-Centric Policies

El artículo presenta LiLo-VLA, un marco modular que logra generalización cero-shot en tareas de manipulación a largo plazo mediante la desacoplación del transporte y la interacción, superando significativamente a los modelos VLA existentes en simulaciones y evaluaciones del mundo real al mitigar los errores en cascada y facilitar la recuperación de fallos.

Yue Yang, Shuo Cheng, Yu Fang + 4 more2026-02-26⚡ eess

Pseudo-View Enhancement via Confidence Fusion for Unposed Sparse-View Reconstruction

Este trabajo propone un marco novedoso para la reconstrucción 3D de escenas exteriores con vistas escasas y no poseídas, que mejora la calidad geométrica y reduce los artefactos mediante la restauración bidireccional de pseudo-vistas guiada por difusión y una gestión de Gaussianos basada en la percepción de la escena.

Beizhen Zhao, Sicheng Yu, Guanzhi Ding + 2 more2026-02-26💻 cs

IHF-Harmony: Multi-Modality Magnetic Resonance Images Harmonization using Invertible Hierarchy Flow Model

IHF-Harmony es un marco unificado de flujo invertible jerárquico que logra una armonización de alta fidelidad en imágenes de resonancia magnética multimodales mediante datos no apareados, garantizando la preservación anatómica y superando a los métodos existentes en estudios de imagen a gran escala.

Pengli Zhu, Yitao Zhu, Haowen Pang + 1 more2026-02-26💻 cs

VasGuideNet: Vascular Topology-Guided Couinaud Liver Segmentation with Structural Contrastive Loss

VasGuideNet es un marco de segmentación hepática de Couinaud pionero que mejora la precisión anatómica y la generalización al integrar explícitamente la topología vascular mediante redes de grafos y una pérdida de contraste estructural, superando a los métodos existentes en métricas clave como el coeficiente Dice.

Chaojie Shen, Jingjun Gu, Zihao Zhao + 4 more2026-02-26💻 cs

Generalizing Visual Geometry Priors to Sparse Gaussian Occupancy Prediction

El artículo presenta GPOcc, un marco que aprovecha los priores de geometría visual generalizables para mejorar la predicción de ocupación 3D mediante la extensión de puntos superficiales a volúmenes representados como primitivas gaussianas, logrando mejoras significativas en precisión y velocidad en comparación con los métodos anteriores.

Changqing Zhou, Yueru Luo, Changhao Chen2026-02-26💻 cs

MultiAnimate: Pose-Guided Image Animation Made Extensible

El artículo presenta MultiAnimate, un marco extensible basado en Transformadores de Difusión que utiliza asignadores y adaptadores de identificadores para lograr una animación de imágenes de múltiples personajes con alta fidelidad, resolviendo problemas de confusión de identidad y oclusiones, y generalizando a escenarios con más personajes de los vistos durante el entrenamiento.

Yingcheng Hu, Haowen Gong, Chuanguang Yang + 3 more2026-02-26💻 cs

SEF-MAP: Subspace-Decomposed Expert Fusion for Robust Multimodal HD Map Prediction

El artículo presenta SEF-MAP, un marco innovador que mejora la predicción robusta de mapas HD multimodales mediante la descomposición de características en subespacios semánticos especializados y un mecanismo de fusión adaptativo basado en la incertidumbre, logrando un rendimiento superior en condiciones degradadas.

Haoxiang Fu, Lingfeng Zhang, Hao Li + 7 more2026-02-26💻 cs

Breaking Semantic-Aware Watermarks via LLM-Guided Coherence-Preserving Semantic Injection

Este artículo presenta un ataque de inyección semántica que preserva la coherencia (CSI) y utiliza modelos de lenguaje grandes para manipular selectivamente los significados de las imágenes generadas, demostrando así que las marcas de agua semánticas actuales son vulnerables a alteraciones que engañan a los detectores sin romper la coherencia global de la imagen.

Zheng Gao, Xiaoyu Li, Zhicheng Bao + 2 more2026-02-26🤖 cs.LG

A Hidden Semantic Bottleneck in Conditional Embeddings of Diffusion Transformers

Este trabajo revela que las representaciones condicionales en los Transformers de difusión presentan un cuello de botella semántico caracterizado por una redundancia extrema y una concentración de información en pocas dimensiones, lo que permite eliminar hasta dos tercios del espacio de incrustación sin afectar, e incluso mejorar, la calidad de la generación.

Trung X. Pham, Kang Zhang, Ji Woo Hong + 1 more2026-02-26💻 cs

Virtual Biopsy for Intracranial Tumors Diagnosis on MRI

Este artículo presenta el primer conjunto de datos público verificado por biopsia (ICT-MRI) y un marco de trabajo de "biopsia virtual" que utiliza modelos de visión-lingüística y mecanismos de atención para predecir con precisión la patología de tumores intracraneales en resonancia magnética, superando significativamente a los métodos existentes y mitigando los riesgos de las biopsias invasivas.

Xinzhe Luo, Shuai Shao, Yan Wang + 3 more2026-02-26🤖 cs.AI

UniHand: A Unified Model for Diverse Controlled 4D Hand Motion Modeling

El artículo presenta UniHand, un marco unificado basado en difusión que integra la estimación y la generación de movimientos de manos en 4D mediante la síntesis condicional de trayectorias coherentes a partir de señales heterogéneas, logrando así un rendimiento robusto incluso ante oclusiones severas y secuencias incompletas.

Zhihao Sun, Tong Wu, Ruirui Tu + 2 more2026-02-26💻 cs

← Anterior Siguiente →