10081 artículos
Esta sección explora la intersección entre la ciencia cognitiva y la computación visual, un campo donde se estudia cómo los humanos perciben imágenes y cómo las máquinas pueden aprender a interpretarlas de manera similar. Aquí, investigadores de todo el mundo compuyen hallazgos sobre reconocimiento de patrones, procesamiento de escenas y la toma de decisiones basada en estímulos visuales, revelando los secretos de nuestra percepción y la inteligencia artificial que la emula.
En Gist.Science, rastreamos diariamente cada nuevo preimpreso publicado en arXiv dentro de esta categoría, transformando textos técnicos complejos en resúmenes claros y accesibles. Nuestro objetivo es democratizar el conocimiento, ofreciendo tanto explicaciones sencillas para el público general como análisis detallados para expertos, asegurando que nadie se quede atrás ante el avance de la ciencia. A continuación, encontrará la selección más reciente de investigaciones en este fascinante área.
El artículo presenta VEGA-3D, un marco innovador que aprovecha los priores espaciales implícitos de los modelos de generación de video para dotar a los modelos de lenguaje multimodal de capacidades de razonamiento geométrico y comprensión espacial sin necesidad de supervisión explícita en 3D.
Este artículo demuestra y formaliza que, a medida que el número de verdaderos negativos tiende a infinito, el Coeficiente de Correlación de Matthews (MCC) converge al índice de Fowlkes-Mallows, que es la media geométrica de la precisión y la exhaustividad.
El artículo presenta MultiMedEval, una herramienta de código abierto que facilita la evaluación justa y reproducible de modelos de visión-lingüística médica mediante la medición de su rendimiento en seis tareas multimodales a través de 23 conjuntos de datos y 11 dominios médicos.
Este artículo presenta la "Soft Dice Confidence" (SDC), un estimador de confianza eficiente y casi óptimo para la predicción selectiva en segmentación semántica que permite a los modelos abstenerse de predecir en imágenes de baja confianza, demostrando un rendimiento superior en diversas tareas de imágenes médicas.
Este artículo presenta SOAP-Net, una arquitectura plug-and-play para el reconocimiento de acciones con pocos ejemplos que mejora la captura de relaciones espacio-temporales y de movimiento mediante el uso de tuplas de frames múltiples, logrando un nuevo estado del arte en varios benchmarks.
Este trabajo presenta una biblioteca de ajuste de haces (bundle adjustment) integrada nativamente en modo eager con PyTorch, que utiliza diferenciación automática consciente de la dispersión y operaciones esparsas aceleradas por GPU para lograr una eficiencia sustancialmente superior a las bibliotecas tradicionales en C++.
El artículo presenta UL-VIO, una red de odometría visual-inercial ultra ligera (<1M de parámetros) que logra una adaptación en tiempo de prueba eficiente y robusta al ruido mediante el uso de salidas inerciales como pseudoetiquetas para actualizar los parámetros de normalización por lotes, manteniendo un rendimiento comparable al estado del arte en conjuntos de datos diversos.
El artículo presenta Den-TP, un marco centrado en los datos que equilibra la densidad de escenarios en conjuntos de datos de predicción de trayectorias mediante una selección submodular, logrando reducir el tamaño del conjunto un 50% mientras mejora la robustez en situaciones de alta densidad y revela modos de fallo críticos ignorados por las métricas tradicionales.
Este artículo presenta ReDDiT, un marco de destilación eficiente para la mejora de imágenes en baja luz que, mediante el módulo de refinamiento de trayectoria consciente de la reflectancia (RATR), logra resultados de vanguardia con solo 2 a 8 pasos de inferencia, superando la compensación tradicional entre rendimiento y eficiencia en los métodos basados en difusión.
El artículo presenta Manta, un marco que combina Mamba con aprendizaje contrastivo híbrido y módulos anidados para mejorar el reconocimiento de acciones en pocas muestras mediante secuencias largas, logrando un rendimiento superior en diversos benchmarks.