cs.CV artículos | Gist.Science

SPRITETOMESH: Automatic Mesh Generation for 2D Skeletal Animation Using Learned Segmentation and Contour-Aware Vertex Placement

El artículo presenta SPRITETOMESH, una pipeline automática que combina segmentación aprendida y algoritmos de contorno para convertir sprites 2D en mallas triangulares listas para animación esquelética en menos de 3 segundos, superando significativamente el proceso manual y demostrando que la predicción directa de vértices mediante redes neuronales no es viable debido a la naturaleza artística de la colocación de vértices.

Bastien Gimbert2026-02-25💻 cs

Seeing Through Words: Controlling Visual Retrieval Quality with Language Models

Este trabajo propone un nuevo paradigma de recuperación visual controlable por calidad que utiliza modelos de lenguaje generativos para enriquecer consultas cortas y ambiguas con detalles contextuales y niveles de calidad explícitos, mejorando así la precisión y la interpretabilidad de los resultados en cualquier modelo visión-lenguaje preentrenado.

Jianglin Lu, Simon Jenni, Kushal Kafle + 3 more2026-02-25💻 cs

XMorph: Explainable Brain Tumor Analysis Via LLM-Assisted Hybrid Deep Intelligence

El artículo presenta XMorph, un marco de inteligencia artificial explicable y eficiente que combina un mecanismo de normalización de bordes ponderado por información con un módulo dual de IA explicable asistido por LLM para lograr una clasificación precisa (96,0%) y clínicamente interpretable de gliomas, meningiomas y tumores pituitarios.

Sepehr Salem Ghahfarokhi, M. Moein Esfahani, Raj Sunderraman + 2 more2026-02-25🤖 cs.AI

Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision

El artículo presenta Mask-HybridGNet, un marco de segmentación médica basado en grafos que entrena modelos utilizando únicamente máscaras de píxeles estándar para generar automáticamente correspondencias anatómicas emergentes y mantener la integridad topológica sin necesidad de anotaciones manuales de puntos de referencia.

Nicolás Gaggion, Maria J. Ledesma-Carbayo, Stergios Christodoulidis + 2 more2026-02-25💻 cs

Spa3R: Predictive Spatial Field Modeling for 3D Visual Reasoning

El artículo presenta Spa3R, un marco de aprendizaje auto-supervisado que utiliza el modelado predictivo de campos espaciales para generar representaciones 3D coherentes a partir únicamente de imágenes 2D, mejorando significativamente el razonamiento espacial en modelos de visión y lenguaje.

Haoyi Jiang, Liu Liu, Xinjie Wang + 5 more2026-02-25💻 cs

Human Video Generation from a Single Image with 3D Pose and View Control

Este artículo presenta HVG, un modelo de difusión de video latente que genera videos humanos de alta calidad y coherentes en el tiempo y el espacio a partir de una sola imagen, permitiendo el control preciso de la pose 3D y la vista mediante diseños clave como la modulación de pose articulada, la alineación de vista y temporal, y el muestreo progresivo espaciotemporal.

Tiantian Wang, Chun-Han Yao, Tao Hu + 3 more2026-02-25💻 cs

Region of Interest Segmentation and Morphological Analysis for Membranes in Cryo-Electron Tomography

Este trabajo presenta TomoROIS-SurfORA, un marco de dos pasos que combina segmentación de regiones de interés mediante aprendizaje profundo y análisis morfológico de superficies para la cuantificación directa y automatizada de características de membranas en tomografía electrónica criogénica.

Xingyi Cheng, Julien Maufront, Aurélie Di Cicco + 3 more2026-02-25💻 cs

Learning from Trials and Errors: Reflective Test-Time Planning for Embodied LLMs

Este artículo presenta la Planificación Reflexiva en Tiempo de Prueba para LLMs encarnados, un marco que integra la reflexión durante la acción y la reflexión posterior a la acción (incluyendo una retrospectiva) para permitir que los robots aprendan de sus errores y mejoren su desempeño en tareas de largo horizonte.

Yining Hong, Huang Huang, Manling Li + 3 more2026-02-25💬 cs.CL

Multi-Vector Index Compression in Any Modality

Este trabajo introduce métodos de compresión de índices, destacando un novedoso agrupamiento guiado por atención (AGC), para reducir los costos de almacenamiento y computación en la recuperación de información de interacción tardía a través de múltiples modalidades sin sacrificar el rendimiento.

Hanxiang Qin, Alexander Martin, Rohan Jha + 3 more2026-02-25💬 cs.CL

Squint: Fast Visual Reinforcement Learning for Sim-to-Real Robotics

El artículo presenta Squint, un método de aprendizaje por refuerzo visual basado en Soft Actor Critic que, mediante técnicas como la simulación paralela y el "resolución squinting", logra un entrenamiento más rápido en tiempo real y una transferencia exitosa de simulación a realidad para tareas de manipulación robótica.

Abdulaziz Almuzairee, Henrik I. Christensen2026-02-25🤖 cs.LG

Label-free segmentation from cardiac ultrasound using self-supervised learning

Este estudio presenta un método escalable y sin etiquetas manuales para la segmentación de cámaras cardíacas en ecografías mediante aprendizaje auto-supervisado, demostrando una precisión clínica comparable a la de los expertos y a la de los enfoques supervisados.

Danielle L. Ferreira, Connor Lau, Zaynaf Salaymang + 1 more2026-02-24⚡ eess

Face Pyramid Vision Transformer

El artículo presenta la Face Pyramid Vision Transformer (FPVT), un modelo innovador que combina mecanismos de atención espacial, reducción de dimensionalidad y componentes convolucionales para lograr un rendimiento superior en reconocimiento facial con menos parámetros que los métodos existentes.

Khawar Islam, Muhammad Zaigham Zaheer, Arif Mahmood2026-02-24💻 cs

Learning to See the Elephant in the Room: Self-Supervised Context Reasoning in Humans and AI

Este estudio combina experimentos psicológicos y modelado computacional para demostrar que tanto los humanos como el modelo SeCo pueden aprender rápidamente a inferir objetos ocultos a partir de relaciones contextuales en escenas naturales sin supervisión explícita, destacando la importancia de las asociaciones contextuales para la comprensión visual.

Xiao Liu, Soumick Sarker, Ankur Sikarwar + 4 more2026-02-24🤖 cs.AI

RDFC-GAN: RGB-Depth Fusion CycleGAN for Indoor Depth Completion

El artículo presenta RDFC-GAN, una red neuronal de fusión RGB-profundidad basada en CycleGAN que supera las limitaciones de los métodos actuales para completar mapas de profundidad en interiores con grandes áreas faltantes, logrando resultados superiores en los conjuntos de datos NYU-Depth V2 y SUN RGB-D.

Haowen Wang, Zhengping Che, Yufan Yang + 6 more2026-02-24🤖 cs.AI

Adaptive Runge-Kutta Dynamics for Spatiotemporal Prediction

Este artículo presenta un modelo de predicción espacio-temporal basado en una red neuronal guiada por física que utiliza un método de Runge-Kutta adaptativo y un módulo de Fourier mejorado, logrando un rendimiento superior a los métodos actuales en tareas de pronóstico meteorológico y reconocimiento de acciones con una menor cantidad de parámetros.

Xuanle Zhao, Yue Sun, Ziyi Wang + 2 more2026-02-24🤖 cs.AI

Deep-Learning-Based Markerless Pose Estimation Systems in Gait Analysis: DeepLabCut Custom Training and the Refinement Function

Este estudio demuestra que el sistema de estimación de postura sin marcadores DeepLabCut, cuando se entrena de forma personalizada y se refina, supera a los modelos preentrenados y a OpenPose, ofreciendo una solución precisa y económica para el análisis de la marcha en entornos naturales.

Giulia Panconi, Stefano Grasso, Sara Guarducci + 3 more2026-02-24💻 cs

(PASS) Visual Prompt Locates Good Structure Sparsity through a Recurrent HyperNetwork

El artículo presenta PASS, un marco novedoso basado en hiperredes recurrentes que utiliza prompts visuales y estadísticas de pesos para identificar patrones de esparsidad estructural de alta calidad en redes neuronales, logrando mejoras significativas en precisión y velocidad de inferencia en comparación con métodos existentes.

Tianjin Huang, Fang Meng, Li Shen + 5 more2026-02-24🤖 cs.AI

MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts

El artículo presenta MathScape, un nuevo benchmark que evalúa la capacidad de razonamiento matemático de los modelos de lenguaje multimodal en contextos reales mediante imágenes capturadas por humanos, revelando que incluso los modelos más avanzados tienen dificultades significativas en estas tareas y que el rendimiento en datos sintéticos no garantiza éxito en escenarios del mundo real.

Hao Liang, Linzhuang Sun, Minxuan Zhou + 7 more2026-02-24💬 cs.CL

$R^2$ -Mesh: Reinforcement Learning Powered Mesh Reconstruction via Geometry and Appearance Refinement

El artículo presenta $R^2$ -Mesh, un marco de aprendizaje por refuerzo que mejora la reconstrucción de mallas a partir de NeRF mediante la síntesis de pseudo-supervisión en vistas diversas y una selección dinámica de perspectivas basada en UCB para optimizar simultáneamente la geometría y la apariencia.

Haoyang Wang, Liming Liu, Xinggong Zhang2026-02-24💻 cs

CT-AGRG: Automated Abnormality-Guided Report Generation from 3D Chest CT Volumes

El artículo presenta CT-AGRG, un modelo que mejora la generación automática de informes médicos a partir de tomografías computarizadas torácicas 3D al priorizar la detección de anomalías específicas antes de redactar descripciones dirigidas, logrando así una mayor calidad y relevancia clínica en comparación con los métodos existentes.

Theo Di Piazza, Carole Lazarus, Olivier Nempont + 1 more2026-02-24⚡ eess

← Anterior Siguiente →

cs.CV