1913 artículos
El artículo presenta PDD, un marco de destilación diverso basado en priores de variedad que unifica conocimientos de dos docentes especializados para superar las limitaciones de los mapas de activación en la detección de anomalías médicas, logrando un rendimiento superior al estado del arte en múltiples conjuntos de datos.
El artículo presenta CanoVerse, un marco de canonalización de alto rendimiento y un conjunto de datos masivo de 320.000 objetos en 1.156 categorías que resuelven la ambigüedad direccional en sistemas de aprendizaje 3D, mejorando la estabilidad en la generación, la recuperación de formas y la estimación de orientación sin supervisión.
El artículo presenta LiveWorld, un marco innovador que resuelve el problema de la "dinámica fuera de la vista" en los modelos mundiales de video generativos al simular la evolución persistente de entidades no observadas mediante un estado global y un mecanismo de monitorización, validado por el nuevo benchmark LiveBench.
El artículo presenta PromptGate, un marco de aprendizaje activo federado que utiliza un modelo de lenguaje visual dinámico con optimización de contexto específico por clase para purificar conjuntos de datos abiertos y mejorar la eficiencia de la anotación en entornos médicos distribuidos sin comprometer la privacidad de los pacientes.
El artículo propone ACD-U, un marco de aprendizaje asimétrico que combina dos arquitecturas distintas (CLIP y CNN) con un mecanismo de olvido selectivo para corregir activamente errores de selección y lograr un rendimiento superior en entornos con etiquetas ruidosas.
Este estudio evalúa sistemáticamente las visualizaciones de clase y los atlas de activación en modelos de transformers para patología computacional, demostrando que, aunque estas técnicas revelan estructuras morfológicas coherentes en tareas de clasificación de tejidos, su interpretabilidad disminuye en subclases oncológicas complejas debido a la ambigüedad intrínseca de los datos.
El artículo presenta FreeFly-Thinking, un marco de navegación visión-lenguaje de extremo a extremo para drones que utiliza el razonamiento de cadena de pensamiento y una estrategia de entrenamiento en dos etapas para mejorar la navegación autónoma en complejos entornos urbanos exteriores.
FastSTAR es un marco de aceleración sin entrenamiento que utiliza poda de tokens espaciotemporales y actualizaciones parciales para mitigar la explosión de tokens en la síntesis de video autoregresiva, logrando una velocidad de hasta 2.01 veces mayor con una degradación de rendimiento inferior al 1%.
Este artículo presenta SPCP, un método que mejora la detección de datos fuera de distribución al fomentar patrones de contribución de parámetros más densos y orientados a los límites durante el entrenamiento, evitando así las predicciones excesivamente confiables causadas por la dependencia de unos pocos parámetros dominantes.
El artículo presenta VINO, un marco de aprendizaje auto-supervisado que utiliza un cuello de botella de información estructural y un proceso de destilación asimétrica para desvincular los objetos del contexto en videos densos, logrando representaciones centradas en el objeto que superan a los métodos anteriores en tareas de descubrimiento no supervisado.
LightMedSeg es una arquitectura de segmentación médica 3D ligera y eficiente que integra priores anatómicos y mecanismos de modulación adaptativa para lograr una precisión comparable a los modelos basados en transformadores, pero con una fracción de los parámetros y costos computacionales.
El artículo presenta BATDiff, un modelo de difusión no supervisado que utiliza una transformada wavelet bivariate `a trous` para proporcionar orientación estructurada entre escalas y generar reconstrucciones de superresolución más nítidas y coherentes que los métodos existentes.
El artículo presenta HY-WU, un marco de adaptación basado en memoria funcional que genera actualizaciones de pesos específicas para cada instancia en tiempo real, evitando el sobrescritura de parámetros compartidos y permitiendo un aprendizaje continuo y una personalización instantánea sin necesidad de optimización durante la inferencia.
El artículo presenta FabricGen, un marco de trabajo integral que genera materiales de tela tejida de alta calidad a partir de descripciones textuales mediante la descomposición de la tarea en la síntesis de texturas macroscópicas con modelos de difusión y la creación de geometrías microscópicas realistas impulsada por un modelo de lenguaje especializado (WeavingLLM) que diseña patrones de tejido acordes a los principios de la industria.
El artículo presenta PresentBench, un nuevo benchmark basado en rúbricas detalladas y preguntas binarias para evaluar de manera precisa y alineada con preferencias humanas la generación automática de diapositivas, revelando que NotebookLM supera significativamente a otros métodos existentes.
El artículo presenta LEPA, una arquitectura que predice directamente las incrustaciones transformadas mediante aumentos geométricos para resolver las discrepancias espaciales en los modelos fundacionales de teledetección, superando significativamente la precisión de la interpolación estándar en latente.
El artículo presenta los Mapas de Flujo Variacionales (VFMs), un marco que permite la generación condicional de imágenes de alta calidad en un solo paso mediante el aprendizaje de una distribución de ruido inicial adaptada a la observación, superando así las limitaciones de los modelos iterativos tradicionales.
Este trabajo presenta BD-VITON, un nuevo conjunto de datos centrado en prendas tradicionales de Bangladesh como el saree y el panjabi, diseñado para abordar las limitaciones de generalización cultural de los sistemas actuales de prueba virtual de ropa y establecer líneas base robustas mediante la evaluación de modelos avanzados.
El artículo presenta MAviS, un asistente conversacional multimodal especializado en especies aviares que se basa en un nuevo dataset y un benchmark para superar las limitaciones de los modelos existentes en la comprensión fina y la respuesta a preguntas sobre aves, logrando resultados de vanguardia en aplicaciones ecológicas.
Este artículo propone un método que combina entrenamiento adversarial con un bloque de suavizado de mapas de características para generar mapas de saliencia más estables, dispersos y confiables, demostrando mediante análisis teóricos, experimentos y un estudio humano que la calidad de las explicaciones depende críticamente del procedimiento de entrenamiento.