8771 artículos
El artículo presenta MaSoN, un marco de trabajo sin supervisión para la detección de cambios en teledetección que supera las limitaciones de los métodos existentes al sintetizar cambios diversos directamente en el espacio latente durante el entrenamiento, logrando así un rendimiento superior y una mayor generalización en diversos escenarios.
Este trabajo propone un marco de adaptación de dominio no supervisada basado en Transformers y una arquitectura Mean-Teacher, que integra mecanismos de alineación de prototipos, aprendizaje contrastivo y predicción local asistida por atención para mejorar significativamente la detección de embolias pulmonares en imágenes CTPA mediante segmentación semántica, superando los desafíos del desplazamiento de dominio y la escasez de anotaciones expertas.
Este artículo presenta un nuevo enfoque para la agricultura de precisión que, mediante la creación del conjunto de datos FemaleSaanenGoat y el desarrollo del modelo paramétrico SaanenGoat, permite la reconstrucción 3D de alta fidelidad y la medición automática de dimensiones corporales críticas en cabras Saanen hembra a partir de una sola vista RGBD.
Este artículo propone una estrategia novedosa de aprendizaje contrastivo para imágenes médicas que genera etiquetas de severidad de enfermedades en escaneos OCT no etiquetados basándose en respuestas de gradientes de algoritmos de detección de anomalías, logrando así mejorar la precisión en la clasificación de biomarcadores de retinopatía diabética hasta en un 6% respecto a las líneas base auto-supervisadas.
Este trabajo propone un marco general llamado "Augmented Radiance Field" que mejora el rendimiento y la eficiencia de la reconstrucción de campos de radiación mediante un nuevo kernel gaussiano que modela explícitamente los efectos especulares y una estrategia de compensación impulsada por errores, superando a los métodos NeRF más avanzados.
Este trabajo demuestra que incorporar las representaciones internas de los modelos de difusión, además de los datos sintéticos generados, como señal de aprendizaje auxiliar durante el entrenamiento adversarial mejora significativamente la robustez y la descomposición de características de los clasificadores de imágenes.
Este trabajo propone un método que combina una red convolucional implícita equivariante a SO(3) con una estrategia de muestreo de puntos de incentivo positivo (PIPS) para mejorar la estimación de la pose de objetos en campos implícitos neuronales, logrando un rendimiento superior, especialmente en escenarios desafiantes como oclusiones severas, ruido y geometrías novedosas.
Este artículo presenta DSS, un mecanismo progresivo sin entrenamiento que mejora la segmentación de objetos camuflados de cero disparos mediante la generación de propuestas, su refinamiento con SAM y la selección óptima de máscaras asistida por MLLMs, logrando un rendimiento superior al estado del arte.
El artículo presenta RL-RIG, un marco de aprendizaje por refuerzo que integra reflexión intrínseca y un paradigma de generar-reflexionar-editar para superar las limitaciones de razonamiento espacial en la generación de imágenes, logrando una precisión estructural superior a los modelos existentes.
El artículo presenta RADE-Net, una red de atención robusta y ligera que utiliza proyecciones 3D de tensores RADE para lograr una detección de objetos superior en condiciones climáticas adversas, superando a los enfoques actuales de radar y a varios métodos basados en lidar.
El artículo presenta Token-UNet, un modelo de segmentación 3D para imágenes cerebrales que integra módulos TokenLearner y TokenFuser en una arquitectura UNet para lograr una mayor eficiencia computacional y interpretabilidad, superando el rendimiento del SwinUNETR con una fracción significativa de sus recursos de memoria y tiempo de inferencia.
Este artículo presenta el conjunto de datos DAPWH, una colección curada de 3.556 imágenes de alta resolución de avispas parasitoides y otros himenópteros, que incluye un subconjunto anotado en formato COCO para facilitar el desarrollo de sistemas automatizados de identificación taxonómica.
Este estudio presenta un marco de control cerebro-robot para la decodificación offline de comandos de conducción mediante señales EEG, demostrando que el modelo ShallowConvNet supera a otras arquitecturas de aprendizaje profundo en la predicción de intenciones de navegación de un rover robótico.
Este trabajo identifica la existencia de la brecha de modalidad en el alineamiento multimodal médico y propone un marco agnóstico a la modalidad que la cierra, mejorando así la alineación semántica entre imágenes de radiología y texto clínico para tareas como la recuperación cruzada y la generación de descripciones.
El artículo presenta SEAL-pose, un marco de aprendizaje profundo que mejora la estimación de la pose humana en 3D mediante una red de pérdida aprendida que evalúa la plausibilidad estructural y captura dependencias complejas entre articulaciones sin depender de priores manuales.
El artículo presenta AdvMark, un marco de ajuste fino en dos etapas que desacopla las estrategias de defensa para superar las vulnerabilidades de la marca de agua en imágenes basada en aprendizaje profundo, logrando simultáneamente una mayor robustez frente a ataques adversarios, de regeneración y distorsión sin comprometer la precisión en datos limpios ni la calidad visual.
Este artículo presenta un marco de planificación basado en restricciones impulsado por modelos de lenguaje grande que permite a un robot móvil con capacidades de manipulación resolver el problema de navegación interactiva de por vida en entornos desordenados, logrando una generalización cero-shot al razonar sobre un grafo de escena estructurado y combinar la percepción activa con la ejecución de movimientos para despejar rutas y completar tareas secuenciales de colocación de objetos.
El artículo presenta HeatPrompt, un marco de modelado energético visión-lingüístico de cero disparos que estima la demanda de calor anual a partir de imágenes satelitales y datos GIS básicos, logrando una mejora significativa en la precisión respecto a los modelos basales y ofreciendo una solución ligera para la planificación térmica en regiones con escasez de datos.
Este artículo identifica y denomina "Efecto del Gorila Invisible" a un sesgo previamente no reportado en la detección de datos fuera de distribución, donde el rendimiento de los modelos mejora significativamente cuando los artefactos difíciles de detectar comparten similitud visual con la región de interés del modelo, pero cae drásticamente cuando difieren, como se demostró mediante la evaluación de 40 métodos en múltiples conjuntos de datos y contrafactuales de color.
El artículo presenta SemanticNVS, un modelo de difusión multi-vista condicionado por la cámara que integra extractores de características semánticas preentrenados para mejorar significativamente la calidad y consistencia de la síntesis de vistas novedosas, especialmente en movimientos de cámara a larga distancia donde los métodos existentes suelen fallar.