9135 artículos
Este artículo presenta IRIS-v2, un dataset industrial integral que incluye datos multimodales como imágenes, nubes de puntos y diagramas P&ID para facilitar la alineación automatizada de esquemas funcionales con adquisiciones de escenas 2D/3D y acelerar la creación de gemelos digitales en instalaciones antiguas.
El artículo presenta CARE Drive, un marco de evaluación agnóstico al modelo que verifica la capacidad de los modelos de visión y lenguaje en la conducción automatizada para tomar decisiones basadas en razones humanas relevantes, en lugar de generar simplemente justificaciones posteriores.
Este artículo presenta un método de diseño inverso basado en modelos de difusión guiada que relaja el espacio de parámetros discretos a uno continuo para permitir la optimización mediante diferenciación implícita, logrando así generar diseños de materiales compuestos diversos y precisos que cumplen objetivos específicos como el módulo de elasticidad y la densidad.
El artículo presenta CEMRAG, un marco unificado que mejora la generación de informes radiológicos al combinar conceptos clínicos interpretables con la generación aumentada por recuperación multimodal, logrando simultáneamente una mayor precisión factual y transparencia sin sacrificar el rendimiento.
Este artículo presenta la "3D data Analysis Optimization Pipeline", un método basado en dos etapas de optimización bayesiana que automatiza la selección de modelos y la sintonización de parámetros para el análisis de imágenes biomédicas 3D, integrando una métrica de calidad de segmentación y un flujo de trabajo de anotación asistida para reducir el esfuerzo manual.
El artículo propone un marco deductivo de "criterios primero, semántica después" para el descubrimiento de estructuras en imágenes científicas, que separa la extracción de patrones basada en criterios objetivos de la asignación de etiquetas semánticas, garantizando así la reproducibilidad y la comparabilidad a largo plazo frente a la deriva de las ontologías dominantes.
Este trabajo propone un marco de recuperación aumentada que mejora la eficiencia y estabilidad de la navegación visión-lenguaje basada en modelos de lenguaje grandes mediante la recuperación de ejemplos de trayectorias a nivel de episodio y la poda de candidatos navegables a nivel de paso, sin necesidad de modificar el modelo subyacente.
El artículo presenta LoRWeB, un enfoque novedoso que mejora la generalización en el aprendizaje de analogías visuales mediante la composición dinámica de una base de módulos LoRA especializados para cada tarea de transformación.
Este trabajo propone un enfoque novedoso que utiliza representaciones de vóxeles dispersos anclados al lenguaje y a la geometría para modelar de manera unificada la apariencia, la semántica y la estructura geométrica de escenas 3D, logrando así un entendimiento integral y una reconstrucción superiores a los métodos actuales.
El artículo presenta RaCo, una red neuronal ligera que aprende puntos clave robustos y versátiles para tareas de visión 3D mediante la integración de un detector repetible, un clasificador diferenciable y un estimador de covarianza, logrando un rendimiento superior sin necesidad de pares de imágenes covisibles ni arquitecturas equivariantes costosas.
El artículo presenta NeRFscopy, una pipeline auto-supervisada que utiliza Campos de Radiación Neuronal (NeRF) para lograr la síntesis de vistas nuevas y la reconstrucción 3D precisa de tejidos endoscópicos deformables a partir de videos monoculares, superando a los métodos existentes en escenarios clínicos desafiantes.
Este trabajo propone un enfoque híbrido multimodal que combina imágenes del cielo, datos meteorológicos e historial de energía fotovoltaica mediante modelos neuronales profundos para mejorar la precisión y robustez de las predicciones de potencia solar, especialmente en condiciones nubladas y para la gestión de eventos de rampa.
Este artículo propone el uso de Transformadores Gráficos escalables aplicados a grafos de células completos de imágenes de diapositivas enteras para clasificar células epiteliales sanas y tumorales en carcinoma de células escamosas cutáneas, demostrando que estos modelos superan a los métodos basados en imágenes al aprovechar el contexto tisular y lograr una mayor precisión.
Este trabajo presenta CARL-XRay, una estrategia de aprendizaje continuo basada en adaptadores y enrutamiento que permite actualizar clasificadores de radiografías de tórax con nuevos datos sin reentrenamiento completo ni almacenamiento de imágenes, manteniendo un alto rendimiento diagnóstico y una identificación precisa de tareas en entornos clínicos dinámicos.
El artículo presenta VideoSketcher, un enfoque eficiente en datos que adapta modelos de difusión de video preentrenados para generar bocetos secuenciales de alta calidad y coherencia temporal, combinando la planificación semántica de los modelos de lenguaje con la capacidad de renderizado visual de los modelos de video mediante un entrenamiento en dos etapas que requiere únicamente siete ejemplos humanos.
El artículo presenta Dex4D, un marco que entrena en simulación una política agnóstica a tareas basada en el seguimiento de puntos 3D para lograr la manipulación hábil de objetos en el mundo real de forma cero-shot y sin ajuste fino.
Este artículo presenta LightX3ECG, un sistema de aprendizaje profundo ligero y explicable diseñado para clasificar con precisión múltiples anomalías cardiovasculares utilizando únicamente tres derivaciones de electrocardiograma, lo que facilita su implementación en dispositivos portátiles y portátiles.
Este trabajo propone un método de estilización de retratos en tiempo real y eficiente en datos que utiliza módulos de Thin-Plate-Spline diferenciables dentro de un marco GAN para alinear geométricamente las características faciales, logrando así una mayor consistencia de identidad y un rendimiento superior con una eficiencia de entrenamiento 2 veces mayor y una complejidad computacional 100 veces menor que los métodos existentes.
El artículo presenta TKN, una red neuronal basada en transformadores que logra predicción de video en tiempo real a 1.176 fps mediante la extracción no supervisada de puntos clave y una estructura de computación paralela, superando así las limitaciones de velocidad y eficiencia de los métodos tradicionales.
Esta encuesta presenta una visión unificada y un marco taxonómico novedoso para el modelado generativo con datos limitados, pocos ejemplos o cero ejemplos, analizando más de 230 trabajos para identificar desafíos clave y proponer direcciones futuras en aplicaciones con restricciones de datos.