1469 artículos
Este artículo presenta Geometric Semantic Decoupling (GSD), un módulo sin parámetros que mejora la generalización de los detectores de imágenes generadas por IA al eliminar las dependencias de priores semánticos dominantes y forzar al modelo a centrarse en evidencia forense invariante.
El artículo presenta Poly-DETR, un transformador de detección de polígonos que reformula la segmentación de instancias mediante regresión de vértices en representación polar para resolver el conflicto entre entradas de alta resolución y la inferencia en tiempo real, logrando mejoras significativas en precisión y eficiencia en comparación con los métodos basados en máscaras.
Este estudio presenta un enfoque de múltiples modelos basado en redes neuronales preentrenadas y personalizadas, junto con técnicas de aumento de datos y aprendizaje por transferencia, para mejorar la detección de señales de tráfico, vehículos y carriles, así como la clonación de comportamiento, con el fin de aumentar la robustez y fiabilidad de los sistemas de conducción autónoma.
El artículo presenta DiP, un nuevo marco de aprendizaje de representaciones para grafos multimodales que utiliza nodos pseudo específicos de cada modalidad y rutas de información dinámicas para lograr una propagación de mensajes adaptativa, expresiva y eficiente con complejidad lineal, superando consistentemente a los métodos existentes en diversas tareas y benchmarks.
Este trabajo introduce un marco de navegación visión-lenguaje a gran escala derivado de videos web que, mediante representaciones geométricas implícitas para extraer información espacial directamente de imágenes RGB sin reconstrucción 3D, supera las limitaciones de los datos simulados y establece nuevos récords de rendimiento en múltiples benchmarks.
El artículo presenta ForgeDreamer, un marco innovador para la generación industrial de texto a 3D que supera las limitaciones actuales mediante un mecanismo de ensamblaje LoRA multiexperto para evitar interferencias de conocimiento y una mejora geométrica basada en hipergrafos de vistas cruzadas para garantizar consistencia estructural de nivel de fabricación.
Este trabajo propone nuevas estrategias de entrenamiento y funciones de pérdida que acortan las listas de gaussianas necesarias para el renderizado mediante la reducción de sus escalas y la aplicación de una restricción de entropía, logrando así acelerar significativamente el aprendizaje de los Gaussianos 3D sin sacrificar la calidad visual.
El artículo presenta SVOR, un marco robusto que logra la eliminación estable de objetos en videos bajo condiciones imperfectas mediante tres diseños clave: MUSE para el manejo de movimientos abruptos, DA-Seg para la localización consciente del desruido y un entrenamiento curricular en dos etapas, superando así los límites de los modelos existentes y alcanzando resultados de vanguardia en escenarios del mundo real.
Este trabajo presenta el primer modelo de aprendizaje profundo para la descomposición convexa en entornos abiertos, que aprende campos de características continuas mediante un objetivo auto-supervisado basado en la geometría para generar descomposiciones de alta calidad en una amplia variedad de representaciones 3D.
El artículo presenta CogBlender, un marco que permite la intervención continua y multidimensional de propiedades cognitivas (como valencia, excitación, dominio y memorabilidad) en la generación de imágenes a partir de texto, logrando alinear el contenido visual con la intención psicológica mediante la interpolación de campos de velocidad en un espacio cognitivo.
El artículo presenta MDTrack, un marco novedoso para el seguimiento de objetos multimodal que supera las limitaciones de las estrategias de fusión uniformes mediante una fusión adaptativa basada en expertos y una propagación temporal desacoplada utilizando modelos de espacio de estado, logrando así un rendimiento superior en cinco benchmarks.
El artículo presenta DenoiseSplat, un método de proyección gaussiana 3D de alimentación directa que supera a enfoques existentes en la reconstrucción de escenas ruidosas mediante el uso de un nuevo conjunto de datos de referencia ruidoso-limpio y un entrenamiento supervisado únicamente con renderizados 2D limpios.
El marco See, Plan, Rewind (SPR) mejora la manipulación robótica al medir el progreso mediante hitos espaciales, permitiendo la planificación de trayectorias y la recuperación automática de errores mediante un ciclo cerrado que supera a los modelos existentes en robustez y generalización.
El artículo presenta IntroSVG, un marco generativo introspectivo que utiliza un modelo de lenguaje visual unificado en un bucle cerrado de "generar-revisar-refinar" con retroalimentación visual y optimización directa de preferencias para superar las limitaciones de los métodos actuales y producir gráficos vectoriales escalables (SVG) de mayor calidad, complejidad y alineación semántica.
El artículo presenta CLoE, un marco de aprendizaje de consistencia que mejora la segmentación de imágenes médicas multimodales con modalidades faltantes al controlar la concordancia entre expertos a nivel de decisión y región, asignando pesos de fiabilidad dinámicos para lograr una fusión robusta y generalizable.
El artículo presenta NLiPsCalib, un marco de calibración eficiente y consistente con la física que utiliza estereofotometría de luz cercana para lograr una reconstrucción 3D de alta fidelidad en sensores visuotáctiles curvos mediante contactos simples con objetos cotidianos, eliminando la necesidad de dispositivos de calibración costosos y laboriosos.
Este artículo presenta SpaceSense-Bench, un nuevo benchmark de percepción espacial a gran escala y multimodal que ofrece datos sintéticos de alta fidelidad con anotaciones precisas para superar las limitaciones de los conjuntos de datos existentes y mejorar la navegación relativa y el entendimiento semántico de satélites.
Este trabajo presenta OddGridBench, un nuevo benchmark que revela la deficiente sensibilidad a discrepancias visuales de los modelos de lenguaje multimodal actuales, y propone OddGrid-GRPO, un marco de aprendizaje por refuerzo que mejora significativamente esta capacidad mediante aprendizaje curricular y recompensas conscientes de la distancia espacial.
Este artículo presenta STAR, un nuevo marco de evaluación multiagente que demuestra que la inteligencia estratégica en entornos competitivos y dinámicos depende no solo de la profundidad del razonamiento, sino también de la capacidad de ejecutar planes de manera oportuna, revelando una brecha significativa entre el rendimiento en escenarios por turnos y en tiempo real.
Este trabajo propone la Calibración Espectral Predictiva (PSC), un marco libre de fuentes que mejora la adaptación en tiempo de prueba para regresión de imágenes mediante la alineación de subespacios y la calibración espectral residual, logrando mejoras consistentes sobre métodos existentes bajo cambios de distribución severos.