8713 artículos
Este estudio presenta COMPASS, un gemelo digital temporal impulsado por IA que utiliza datos de imágenes y dosimetría por fracción para modelar la evolución biológica individual de pacientes con cáncer de pulmón y predecir toxicidades antes de que se manifiesten clínicamente, sentando las bases para una radioterapia adaptativa personalizada.
El sistema MARVUS utiliza realidad aumentada móvil y modelos de fundación para habilitar una reconstrucción volumétrica de ultrasonido precisa, reproducible y de bajo costo en dispositivos estándar, mejorando significativamente la estimación de volúmenes de lesiones y reduciendo la variabilidad entre usuarios en comparación con los métodos tradicionales.
Este estudio de benchmark demuestra que combinar el reequilibrio de datos con métodos de desentrelazamiento de características es la estrategia más efectiva para mitigar el aprendizaje de atajos en imágenes médicas, mejorando la robustez de los modelos sin comprometer su eficiencia computacional.
Este artículo presenta un marco de visión por computadora basado en una sola cámara que utiliza YOLO y ByteTrack para extraer datos de seguimiento de jugadores y árbitros de transmisiones de fútbol estándar, democratizando así el análisis táctico avanzado para equipos con presupuestos limitados, aunque la detección del balón sigue siendo un desafío.
Este artículo propone un nuevo marco de análisis basado en la restauración que utiliza Autoencoders Escasos para demostrar que la mayoría de los métodos actuales de olvido máquina solo suprimen la información en la salida sin eliminarla realmente a nivel de representación, lo que revela riesgos de seguridad ignorados por las métricas tradicionales y subraya la necesidad de nuevos criterios de evaluación.
Este estudio presenta un nuevo modelo estocástico continuo que cuantifica el comportamiento visual exploratorio en el fútbol mediante datos de pose mejorados, superando las limitaciones de los métodos tradicionales y demostrando que estas métricas visuales predicen el éxito en el juego, todo ello integrado en un marco analítico abierto y sin necesidad de anotación manual.
El marco Sketch2Feedback mejora la fiabilidad de la retroalimentación sobre diagramas STEM mediante un enfoque de "gramática en el bucle" que combina percepción híbrida y verificación de reglas para reducir las alucinaciones de los modelos de lenguaje multimodal, logrando un equilibrio superior entre precisión y utilidad pedagógica en comparación con los métodos end-to-end.
Este estudio evalúa la capacidad de las métricas generativas para predecir el rendimiento de YOLOv11 en tareas de detección de objetos, demostrando que la utilidad de la augmentación sintética y la correlación de dichas métricas dependen críticamente de la complejidad del conjunto de datos y del régimen de entrenamiento, siendo más efectiva en escenarios desafiantes como la detección de peatones y plantas en macetas.
El artículo presenta JAEGER, un marco que supera las limitaciones de los modelos de lenguaje visuales-auditivos actuales al extenderlos al espacio 3D mediante la integración de observaciones RGB-D y audio ambisónico multicanal, junto con una nueva representación llamada vector de intensidad neuronal y el benchmark SpatialSceneQA, para lograr un razonamiento y una localización espacial robustos en entornos físicos simulados.
Este estudio compara diez arquitecturas de aprendizaje profundo para clasificar cinco variedades de aceitunas negras nativas de Turquía, demostrando que la eficiencia paramétrica es más crucial que la profundidad del modelo bajo condiciones de datos limitados, con EfficientNetV2-S logrando la mayor precisión y EfficientNetB0 ofreciendo el mejor equilibrio entre rendimiento y complejidad computacional.
El artículo presenta VLANeXt, un modelo VLA optimizado que, tras un análisis sistemático de 12 hallazgos clave bajo un marco unificado, supera a los métodos anteriores en benchmarks y experimentos del mundo real, ofreciendo además un código abierto para facilitar la investigación futura en este campo.
Este trabajo demuestra que la presión morfológica, ya sea mediante descriptores de rasgos o patrones fonológicos en los prompts, crea gradientes navegables en los espacios latentes de modelos de difusión texto-a-imagen que permiten definir identidades visuales consistentes sin necesidad de datos de entrenamiento específicos.
Este estudio demuestra que los modelos generativos de vanguardia utilizados en la reconstrucción de imágenes por resonancia magnética son altamente vulnerables a pequeñas perturbaciones adversarias que inducen alucinaciones peligrosas para el diagnóstico, las cuales no pueden ser detectadas mediante métricas de calidad tradicionales.
El artículo presenta Rodent-Bench, un nuevo benchmark diseñado para evaluar la capacidad de los modelos de lenguaje multimodal grandes (MLLM) en la anotación de comportamientos de roedores, revelando que los modelos más avanzados actuales aún no son lo suficientemente precisos para esta tarea científica debido a limitaciones en la segmentación temporal y el manejo de secuencias de video prolongadas.
Este estudio presenta un enfoque innovador basado en una red neuronal 4D-UNet que mejora la filtración de ruido y la detección de microburbujas en la ecografía transcraneal con contraste en humanos, superando las limitaciones tradicionales para permitir una mejor visualización vascular cerebral.
El artículo presenta GIST, un método de selección de datos para el ajuste fino de instrucciones que supera las limitaciones de los enfoques basados en estadísticas del optimizador al alinear los gradientes de entrenamiento con un subespacio de baja dimensión derivado de gradientes de validación, logrando un rendimiento superior con una fracción mínima de almacenamiento y tiempo computacional.
Este artículo presenta el conjunto de datos FloralSix y evalúa diversas arquitecturas YOLO para el reconocimiento de flores, demostrando que la elección del modelo y la densidad de anotación (objetos aislados frente a agrupados) son factores críticos para optimizar la precisión en aplicaciones agrícolas como el monitoreo de cultivos y la polinización robótica.
Este trabajo presenta DM4CT, un benchmark integral que evalúa y compara diez métodos basados en modelos de difusión frente a siete enfoques establecidos para la reconstrucción de tomografía computarizada, abordando desafíos prácticos como el ruido correlacionado y validando los resultados con un nuevo conjunto de datos de alta resolución obtenido en una instalación de sincrotrón.
Este estudio demuestra que el uso de tamaños de parche más pequeños (1, 2 y 4) durante el ajuste fino de Vision Transformers mejora significativamente el rendimiento en la clasificación de imágenes médicas tanto bidimensionales como tridimensionales, superando a los parches grandes y ofreciendo resultados aún mejores mediante una estrategia de ensemble.
Este trabajo presenta un enfoque novedoso para generar rostros parlantes realistas a partir de una imagen estática, un perfil de voz y un texto objetivo, utilizando un espacio latente multi-entrelazado que sincroniza las características espacio-temporales específicas de la persona para sintetizar simultáneamente el audio y el video.