2776 artículos
Este artículo propone y valida dos métodos de Aprendizaje Multi-Instancia que aprovechan la dificultad de las diapositivas completas, definida por el desacuerdo entre patólogos expertos y no expertos, para mejorar significativamente la clasificación del cáncer de próstata, especialmente en los grados Gleason más altos.
El paper presenta C2FMAE, un autoencoder enmascarado de aprendizaje auto-supervisado que resuelve la tensión entre el aprendizaje de semántica global y detalles locales mediante un enfoque jerárquico de tres niveles (semántico, de instancia y píxel) con un decodificador en cascada y un currículo de enmascaramiento progresivo, logrando mejoras significativas en tareas de visión por computadora.
El artículo presenta BEACON, un método que mejora la navegación guiada por lenguaje en entornos con oclusiones al predecir mapas de calor de viabilidad en vista cenital (BEV) que incluyen áreas ocultas, superando significativamente a los enfoques basados en imágenes al integrar un modelo de lenguaje visual con características de profundidad derivadas de observaciones multivista.
ReCoSplat es un modelo de Splatting Gaussiano autoregresivo que utiliza un módulo Render-and-Compare para estabilizar la reconstrucción de escenas ante errores de pose y una estrategia de compresión de caché híbrida para manejar secuencias largas, logrando así un rendimiento superior en la síntesis de nuevas vistas en línea.
Este artículo demuestra que, en escenarios realistas con características correlacionadas, la superposición en redes neuronales puede aprovechar la interferencia constructiva mediante la organización de características según sus patrones de co-activación, lo que genera estructuras semánticas y cíclicas que no se explican mediante el modelo tradicional de superposición basado en características no correlacionadas.
El artículo presenta "diferenciabilidad microscópica" (), un enfoque de diseño de arriba hacia abajo basado en datos que supera a los métodos tradicionales y existentes para la recuperación de fase óptica, validado experimentalmente con muestras biológicas.
Este artículo propone un método de adaptación de dominio para objetivos mezclados que, mediante un discriminador de dominio categórico guiado por incertidumbre y la alineación mutua de distribuciones condicionales, supera a los métodos actuales sin necesidad de etiquetas de dominio, logrando un rendimiento superior especialmente bajo desplazamientos en la distribución de etiquetas.
El artículo presenta altiro3D, una biblioteca de código abierto que genera experiencias 3D realistas y síntesis de vistas novedosas a partir de una sola imagen o video plano, utilizando estimación de profundidad, técnicas de inpainting y algoritmos de proyección para crear múltiples puntos de vista visualizables en pantallas LCD de libre visión.
Este trabajo presenta PD-REAL, un nuevo conjunto de datos a gran escala para la detección de anomalías en 3D utilizando modelos de Play-Doh, junto con un marco de destilación jerárquica multiescala que aprovecha la información RGB-D para superar las limitaciones de los enfoques unimodales y mejorar la precisión en la detección de anomalías.
El artículo propone CA-Jaccard, una nueva métrica de distancia para la reidentificación de personas que mejora la fiabilidad del método Jaccard tradicional al incorporar información de cámara mediante vecinos k-recíprocos y expansión de consultas locales para mitigar el impacto negativo de las variaciones entre cámaras.
El artículo presenta DivCon, un enfoque de dividir y conquistar que mejora la generación de imágenes texto-a-imagen al desacoplar la predicción de la disposición espacial y la síntesis de objetos en subtasas manejables, permitiendo a modelos de lenguaje ligeros lograr una precisión superior y una mejor calidad perceptual en prompts complejos con múltiples objetos.
Esta encuesta presenta una revisión integral y un benchmark de las tecnologías más avanzadas para la generación y detección de deepfakes, abarcando definiciones de tareas, conjuntos de datos, métricas, cuatro campos representativos (intercambio de rostros, reenactment, generación de rostros parlantes y edición de atributos faciales) y sus desafíos futuros.
Los autores proponen tres nuevos conjuntos de prueba de alta calidad denominados Hadrian, Eclipse y ND-Twins para evaluar la verificación facial en escenarios desafiantes como diferencias en atributos faciales y similitud entre individuos, evitando la degradación artificial de las imágenes y aplicando reglas estrictas para garantizar una evaluación equilibrada y rigurosa.
Este artículo identifica y explica la etapa de corrupción en el ajuste fino de pocos ejemplos de modelos de difusión, proponiendo el uso de redes neuronales bayesianas para mitigar este fenómeno y mejorar la fidelidad, calidad y diversidad de las imágenes generadas sin incurrir en costos adicionales de inferencia.
El artículo presenta RDM, un nuevo modelo de difusión recurrente que utiliza flujos normalizadores para generar secuencias largas de movimiento humano alineadas con texto, evitando el costoso proceso de desruido completo de los marcos anteriores y reduciendo significativamente los costos computacionales durante la inferencia.
El artículo presenta PiVOT, un nuevo mecanismo de visual prompting que aprovecha el modelo fundacional CLIP para generar y refinar dinámicamente indicaciones visuales en línea, mejorando así la capacidad de los rastreadores de objetos genéricos para suprimir distracciones y distinguir el objetivo de su entorno.
El artículo presenta al Pose Prior Learner (PPL), un método no supervisado que aprende priores categóricos generales de pose para cualquier categoría de objeto mediante un aprendizaje auto-supervisado y una memoria jerárquica, mejorando así la precisión en la estimación de poses incluso en imágenes ocluidas sin requerir anotaciones humanas adicionales.
El artículo presenta ExpGest, un marco innovador basado en modelos de difusión que utiliza información sincronizada de audio y texto para generar gestos corporales completos, expresivos y controlables, superando las limitaciones de rigidez y falta de contenido semántico de los métodos existentes.
Este estudio propone un sistema neurosimbólico que reconstruye imágenes mediante primitivas visuales para generar explicaciones estructurales de alto nivel, logrando una mayor precisión y transparencia que las arquitecturas de aprendizaje profundo convencionales en el diagnóstico de anomalías en imágenes histológicas.
Este trabajo propone un marco para modelos de difusión que adapta dinámicamente el proceso de generación a la complejidad de cada muestra, logrando reducir el número de pasos de muestreo sin comprometer la calidad de las imágenes generadas.