8877 artículos
Este artículo presenta un nuevo pipeline de detección-segmentación-identificación que, combinado con aprendizaje contrastivo no supervisado y un nuevo conjunto de datos de granjas lecheras, logra una precisión del 98,93% en la detección y del 94,82% en la reidentificación de vacas Holstein-Friesian en multitudes densas, superando significativamente a los métodos actuales.
Este trabajo presenta un marco de aprendizaje auto-supervisado basado en VisionMamba y un mecanismo de enmascaramiento adaptativo que, mediante una estrategia curricular y destilación de conocimiento, logra estimar con alta precisión la frecuencia cardíaca en unidades de cuidados intensivos pediátricos sin contacto, superando significativamente a los métodos existentes al reducir el error medio absoluto a 3.2 lpm.
Este artículo presenta una revisión longitudinal de más de 423 conjuntos de datos neuromórficos que identifica problemas críticos como la falta de estandarización, dificultades de acceso y el auge de datos sintéticos, proponiendo al mismo tiempo el concepto de metadatos para mitigar la necesidad de más datos y reducir sesgos en la investigación.
Este trabajo presenta un marco de localización de cámara basado en video que evalúa automáticamente la exploración de un riñón fantasma mediante la comparación con una reconstrucción de referencia, permitiendo una formación fuera del quirófano sin necesidad de supervisión experta.
El artículo presenta SAM 3D Body, un modelo de código abierto que utiliza la nueva representación de malla Momentum Human Rig (MHR) y un enfoque basado en prompts para lograr un estado del arte en la recuperación de mallas humanas 3D completas a partir de una sola imagen, superando a métodos anteriores en generalización y precisión en condiciones diversas.
MedProbCLIP es un marco de aprendizaje probabilístico que adapta modelos de visión y lenguaje para mejorar la fiabilidad y la seguridad en la recuperación de radiografías y sus informes clínicos mediante la representación de incertidumbre y correspondencias muchos-a-muchos, superando a los métodos deterministas en precisión, calibración y robustez.
El trabajo CHAI introduce un mecanismo de atención de caché que reutiliza latentes entre inferencias relacionadas semánticamente para acelerar la generación de video texto-a-video hasta 3,35 veces sin comprometer la calidad, permitiendo generar resultados de alta fidelidad con tan solo 8 pasos de denoising.
El artículo presenta IRIS, un enfoque sin entrenamiento que utiliza datos de seguimiento ocular en tiempo real para resolver ambigüedades en preguntas abiertas sobre imágenes, logrando duplicar la precisión de los modelos de visión y lenguaje grandes al identificar que las fijaciones cercanas al inicio de la pregunta son las más informativas.
Este trabajo revela que los editores de imágenes por instrucciones presentan sesgos demográficos sistemáticos, como la "borradura suave" y la "sustitución por estereotipos", que afectan desproporcionadamente a grupos minoritarios, y demuestra que el uso de restricciones en el prompt puede mitigar estos fallos sin necesidad de actualizar el modelo.
Este artículo presenta un modelo basado en Redes Neuronales de Grafos (CN) que aprovecha la estructura natural del hielo marino para simular de manera más eficiente y precisa la dinámica de colisiones de los floes, integrando técnicas de asimilación de datos para mejorar los pronósticos en zonas de hielo marginal.
DataCube es una plataforma inteligente que automatiza el procesamiento y la recuperación de videos mediante perfiles semánticos de lenguaje natural, permitiendo a los usuarios construir conjuntos de datos personalizados y sistemas de búsqueda sobre repositorios masivos o privados.
El artículo presenta EasyControlEdge, un enfoque que adapta modelos fundacionales de generación de imágenes para la detección de bordes mediante una pérdida especializada en el espacio de píxeles y una guía condicional, logrando así mapas de bordes nítidos y eficientes en datos que superan a los métodos actuales en diversas tareas de visión por computadora.
El artículo presenta HyPCA-Net, una red de fusión multimodal eficiente y robusta que supera a los métodos existentes en diversas tareas de análisis médico mediante bloques de atención híbridos, logrando mejoras significativas en rendimiento y reducciones sustanciales en costos computacionales.
Este trabajo presenta un nuevo enfoque basado en visión artificial que utiliza imágenes multivista de un sistema InVision para realizar el trazado de monturas de gafas con precisión submilimétrica, eliminando la necesidad de herramientas mecánicas especializadas y simplificando el flujo de trabajo de los optometristas.
RefineFormer3D es una arquitectura transformadora jerárquica ligera que combina mecanismos de atención cruzada y componentes eficientes para lograr una segmentación precisa y rápida de imágenes médicas 3D con una cantidad de parámetros significativamente reducida en comparación con los métodos actuales.
Esta investigación presenta un enfoque de aprendizaje auto-supervisado que mejora las representaciones de características en tareas de detección de objetos, permitiendo que los modelos aprendan de manera más efectiva con menos datos etiquetados y superando a los extractores de características preentrenados en ImageNet.
El artículo presenta Guide-Guard, una solución basada en aprendizaje automático que predice el comportamiento fuera de objetivo en la edición genética CRISPR con un 84% de precisión, abordando los desafíos de seguridad a medida que avanza la tecnología.
El artículo presenta la Red Modulativa Sustractiva (SMN), una arquitectura de representación neuronal implícita eficiente en parámetros inspirada en la síntesis sustractiva que utiliza una capa de activación periódica aprendible y módulos de máscara modulativa para lograr un rendimiento superior en tareas de reconstrucción de imágenes y síntesis de vistas nuevas en NeRF 3D.
El artículo presenta SCAR, un método de auto-calibración a largo plazo para sistemas visuales-inerciales aéreos que utiliza imágenes satelitales georreferenciadas como referencia global para corregir la degradación de parámetros intrínsecos y extrínsecos sin intervención manual, demostrando una precisión superior en diversas campañas aéreas en comparación con enfoques existentes.
Este trabajo presenta MoMa-SG, un marco novedoso que construye grafos de escenas 3D semántico-kinemáticos para permitir la manipulación móvil de objetos articulados en entornos abiertos, combinando seguimiento de puntos, estimación de articulaciones y un nuevo conjunto de datos llamado Arti4D-Semantic.