8629 artículos
RegTrack es un método robusto y eficiente para el seguimiento multi-objeto 3D multimodal que, inspirado en la teoría de gauge de Yang-Mills, utiliza un codificador tri-cue unificado para lograr un rendimiento superior con solo entradas de nubes de puntos y sin depender de priores específicos de clase o métricas de asociación complejas.
Este artículo presenta dos algoritmos basados en operadores de redes neuronales multidimensionales activadas por funciones sigmoideas tangente hiperbólica para modelar y mejorar imágenes de teledetección, demostrando mediante experimentos numéricos en el conjunto de datos RETINA que superan a los métodos de interpolación clásicos, especialmente en el índice de similitud estructural (SSIM).
El artículo propone y compara dos modelos variacionales basados en la variación total para la segmentación de superficies trianguladas, demostrando que el regularizador en el espacio de etiquetas ofrece mejores resultados al eliminar ruido en regiones de curvatura constante, y presenta un esquema de Newton en variedad para reducir el costo computacional asociado al cálculo del centroide riemanniano.
Este artículo investiga el problema de la generalización en modelos de visión de bajo nivel mediante el desraining de imágenes, revelando que el aprendizaje de atajos causado por la complejidad relativa entre el contenido y la degradación es la causa principal del fallo, y propone estrategias para equilibrar dicha complejidad y utilizar priores generativos para mejorar la robustez.
El marco de aprendizaje profundo EAGLE, que integra los modelos fundacionales CHIEF y Virchow2, revoluciona el análisis de imágenes patológicas al lograr una precisión superior y una eficiencia computacional extrema (reduciendo el tiempo de procesamiento en más del 99%) mediante la selección inteligente de regiones informativas, lo que permite flujos de trabajo en tiempo real y hace que la inteligencia artificial en patología sea más accesible y auditable.
El artículo presenta SEED, una nueva métrica de evaluación semántica para la decodificación visual cerebral que, al integrar tres medidas complementarias inspiradas en la neurociencia y validarse mediante datos humanos, supera a los métodos existentes al revelar que los modelos actuales pierden información crucial y ofrecer una guía para futuras mejoras.
VisionLogic es un marco neural-simbólico que genera explicaciones interpretables y causalmente fundamentadas para modelos de visión mediante la inducción de reglas lógicas jerárquicas sobre conceptos validados causalmente, superando las limitaciones de los métodos basados en correlaciones anteriores.
Este trabajo propone ELogitNorm, un método de entrenamiento sin hiperparámetros que corrige el colapso de características en la normalización de logits mediante un término de pérdida sensible a la distancia de características, logrando así una detección de datos fuera de distribución superior y una mejor calibración de confianza sin sacrificar la precisión de clasificación.
Los autores proponen un marco eficiente de fusión LiDAR-cámara que integra los modelos UniMT y RTMCT para lograr una detección de objetos 3D y predicción de trayectorias en tiempo real con alto rendimiento en robots de servicio con recursos computacionales limitados.
Este estudio reproduce y mejora el algoritmo CheXNet para la clasificación de enfermedades en radiografías de tórax utilizando el conjunto de datos NIH ChestX-ray14, logrando que el mejor modelo alcance una puntuación promedio AUC-ROC de 0.85 y un F1 promedio de 0.39 en las 14 enfermedades evaluadas.
El artículo presenta HoloLLM, un modelo fundacional multimodal que integra sensores poco comunes como LiDAR y radar mmWave mediante un proyector universal y curación de datos colaborativa, logrando una percepción y razonamiento humano significativamente más robustos en entornos del mundo real que los modelos basados únicamente en visión.
Este artículo propone un método de codificación de transformada durante el entrenamiento que integra una transformada de análisis-síntesis jerárquica y dispersa para optimizar conjuntamente la representación 3DGS y el modelo de entropía, logrando así un rendimiento superior en la relación tasa-distorsión y un equilibrio favorable entre la compresión y el tiempo de decodificación.
El sistema SpikePingpong integra visión basada en picos e imitación de aprendizaje en una arquitectura de doble sistema (rápida y lenta) para lograr un control robótico de alta precisión en el ping-pong, alcanzando una tasa de éxito del 92% en zonas objetivo de 30 cm.
Este trabajo propone la Guía de Paso Bajo Adaptativa (ALG), un método libre de entrenamiento que mejora la dinámica temporal en la generación de video a partir de imágenes al filtrar adaptativamente los detalles de alta frecuencia del imagen de referencia durante las etapas iniciales del proceso de muestreo, logrando así videos más dinámicos sin comprometer la calidad visual.
Este trabajo presenta UPNet, un método de selección de vistas activas que utiliza mapas de incertidumbre neuronal para identificar de manera eficiente y generalizable las perspectivas más informativas para la reconstrucción 3D, logrando una precisión comparable con la mitad de las vistas y una reducción significativa en el uso de recursos computacionales.
Este estudio aborda la falta de datos de fallos en sensores para la navegación basada en visión en misiones espaciales mediante el desarrollo de un marco de simulación que genera un conjunto de datos sintéticos de imágenes defectuosas para entrenar y probar algoritmos de inteligencia artificial destinados a la detección de fallos.
El artículo presenta NRSeg, un marco de aprendizaje resiliente al ruido que mejora la segmentación semántica en vista aérea (BEV) mediante el uso de datos sintéticos de modelos del mundo de conducción, incorporando métricas de consistencia geométrica, predicción paralela de distribuciones y exclusión semántica local jerárquica para lograr un rendimiento de vanguardia en tareas no supervisadas y semi-supervisadas.
Este artículo presenta SFATTI, un acelerador de FPGA basado en redes neuronales de pulsos (SNN) generado mediante el marco de código abierto Spiker+ para la inferencia eficiente en energía y baja latencia de la tarea de reconocimiento de dígitos manuscritos en el conjunto de datos MNIST.
Este trabajo presenta el primer sistema de control en bucle cerrado para el hover de cuadricópteros en tuberías estrechas, el cual utiliza velocimetría basada en eventos de baja latencia y una red neuronal recurrente para estimar perturbaciones aerodinámicas en tiempo real y evitar colisiones mediante maniobras de control reactivas.
El artículo presenta FedGIN, un marco de aprendizaje federado que utiliza una augmentación no lineal dinámica de intensidad global para mejorar la segmentación de órganos en imágenes multimodales (MRI y CT) sin compartir datos privados, logrando significativas mejoras en el rendimiento y la generalización entre modalidades.