44 artículos
Este estudio con 72 participantes demuestra que, aunque la resolución colaborativa de problemas en realidad mixta es relevante para tareas complejas, la representación de gráficos en 3D no genera resultados superiores a los de los grupos nominales, lo que subraya la importancia de utilizar estos últimos como referencia para evaluar entornos virtuales colaborativos.
El artículo presenta ARSGaussian, un método innovador de síntesis de nuevas vistas para la teledetección aérea que integra nubes de puntos LiDAR y un modelo de cámara con parámetros de distorsión dentro de la técnica 3D Gaussian Splatting para resolver problemas de flotadores y crecimiento excesivo, mejorando así la precisión geométrica y la alineación geo-espacial, todo ello respaldado por el lanzamiento del nuevo conjunto de datos abierto AIR-LONGYAN.
Este estudio presenta un análisis exhaustivo y unificado de diversos métodos de imagen no lineal de tiempo de vuelo (ToF NLOS), estableciendo un marco común de formulación y hardware para evaluar sus similitudes, diferencias y limitaciones de rendimiento, con el objetivo de servir como referencia para comparaciones objetivas en futuras investigaciones.
Este trabajo evalúa sistemáticamente la accesibilidad del color en imágenes generadas por modelos de difusión, introduciendo la nueva métrica "CVDLoss" para cuantificar las mejoras estructurales y demostrando que los modelos actuales tienen dificultades para responder eficazmente a instrucciones enfocadas en la accesibilidad para personas con deficiencia en la visión del color.
El artículo demuestra que la optimización directa de la distancia de chamfer falla estructuralmente debido a un colapso de muchos a uno causado por gradientes locales, y propone que la introducción de acoplamiento no local, como en deformaciones de base compartida o priores MPM diferenciables, es esencial para suprimir este colapso y lograr una reconstrucción de formas 3D exitosa.
El artículo presenta MultiGen, un enfoque que introduce una memoria externa persistente y editable en motores de juegos basados en difusión para superar las limitaciones de control del usuario y la coherencia en simulaciones multijugador interactivas.
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.
Este artículo ofrece una encuesta técnica exhaustiva sobre la evolución de los modelos de generación de imágenes, abarcando desde VAEs y GANs hasta métodos de difusión, analizando sus fundamentos, limitaciones y su expansión hacia la generación de video y la responsabilidad en su despliegue.
Ref-DGS es un marco de doble representación gaussiana que supera el compromiso entre la reconstrucción precisa de superficies reflectantes y la eficiencia computacional al decoupling la geometría de las reflexiones especulares mediante un sombreador adaptativo, logrando un rendimiento superior y un entrenamiento más rápido que los métodos basados en trazado de rayos.
Este artículo presenta un método de transferencia de estilo que representa las imágenes en el dominio de las pinceladas en lugar del dominio de píxeles RGB, logrando una mejora visual más natural y fiel a la creación artística real.
El artículo presenta TeamHOI, un marco que utiliza una política descentralizada basada en Transformers y un prior adversarial de movimiento enmascarado para permitir que un número variable de agentes humanoides realicen interacciones cooperativas humano-objeto realistas y estables mediante una sola política unificada.
Este artículo presenta MambaDance, un nuevo enfoque de generación de danza que sustituye a los transformadores por un modelo de difusión basado en Mamba e incorpora una representación de ritmo basada en Gaussianas para producir movimientos sincronizados con la música que capturan eficazmente las características secuenciales y rítmicas del baile.
Este artículo presenta M-ABD, un marco novedoso que aprovecha la dinámica de cuerpos afines y un espacio dual compacto para simular de manera eficiente, escalable y robusta grandes ensamblajes articulados con restricciones exactas, logrando tasas interactivas en un solo núcleo de CPU incluso con pasos de tiempo grandes.
El artículo presenta RAF (Retrieval-Augmented Faces), una técnica de aumento durante el entrenamiento que mejora la generalización de expresiones en avatares de cabeza sin plantillas al reemplazar características de expresión con vecinos más cercanos de un banco no etiquetado, logrando así mayor fidelidad y robustez sin requerir datos cruzados ni cambios arquitectónicos.
El artículo presenta Sketch2Cinemagraph, un marco de trabajo que utiliza bocetos manuales y prompts de texto para guiar la generación condicional de cinemagrafías de paisajes estilizados con control preciso sobre los elementos espaciales y de movimiento.
Este artículo propone un nuevo enfoque de fusión de imágenes de pocos ejemplos que introduce el concepto de "priors incompletos" y un algoritmo de cálculo de píxeles de bolas granulares (GBPC) para permitir que una red neuronal ligera aprenda reglas de fusión adaptativas y generalizables sin necesidad de imágenes fusionadas reales como supervisión.
El artículo presenta SEGA, un método novedoso que genera avatares de cabeza 3D fotorrealistas y controlables a partir de una sola imagen, combinando priores generalizados con un marco jerárquico de *Gaussian Splatting* en espacio UV para lograr una alta fidelidad, consistencia 3D y rendimiento en tiempo real.
El artículo presenta SDGraph, una arquitectura de aprendizaje profundo basada en grafos dispersos y densos que, mediante un esquema de representación de múltiples niveles (boceto, trazo y punto), identifica y explota la información efectiva de los bocetos manuales para mejorar significativamente el rendimiento en tareas de clasificación, recuperación y generación.
Este artículo presenta un marco de triangulación basado en plantillas que incrusta fronteras derivadas de imágenes en una malla triangular regular mediante una tabla de búsqueda simbólica para garantizar una discretización de EDPs estable, paralela y geométricamente fiel sin necesidad de actualizaciones globales de conectividad.
ID-LoRA es un modelo generativo pionero que personaliza simultáneamente la apariencia visual y la voz de un sujeto en un solo paso, utilizando una adaptación eficiente de parámetros (In-Context LoRA) sobre una arquitectura de difusión audio-video para superar las limitaciones de sincronización y control de estilo de los métodos existentes.