5630 artículos
Este trabajo presenta AEIC, un marco de compresión de imágenes asimétrico que utiliza un codificador ligero y un decodificador basado en difusión de un solo paso para lograr una alta fidelidad perceptual a tasas de bits ultra-bajas, superando a los métodos existentes en eficiencia de codificación y rendimiento.
Este trabajo presenta un sistema de control basado en aprendizaje por refuerzo para un manipulador aéreo subactuado ligero, que logra un control preciso de la pose del efector final en seis grados de libertad y una operación robusta ante perturbaciones externas mediante la combinación de un agente PPO con controladores INDI y PID.
SVBench es el primer benchmark diseñado para evaluar la capacidad de razonamiento social de los modelos de generación de video, demostrando mediante una evaluación a gran escala que, aunque estos sistemas han mejorado en realismo visual, aún carecen de la comprensión psicológica y causal necesaria para generar comportamientos socialmente coherentes.
Este trabajo presenta Cosmos-H-Surgical, un modelo de mundo que aprovecha videos quirúrgicos no etiquetados y un modelo de dinámica inversa para generar datos sintéticos de acción-observación, permitiendo entrenar políticas de robots quirúrgicos que superan a las basadas únicamente en demostraciones reales.
El artículo presenta AFTER, un método que mitiga las alucinaciones de objetos en los modelos de lenguaje y visión grandes mediante la edición adaptativa de activaciones guiada por hechos, combinando la dirección de activación aumentada con hechos y la optimización de desplazamiento adaptativa a la consulta para corregir los sesgos lingüísticos y mejorar la precisión factual.
Este artículo propone dos marcos basados en representaciones neuronales implícitas (INR) para lograr un análisis volumétrico denso y agnóstico a la resolución de imágenes OCT retinianas, permitiendo la interpolación entre cortes B y la creación de un atlas retiniano generalizable que supera las limitaciones de los métodos tradicionales ante la anisotropía de los datos clínicos.
Este artículo presenta OODEval, un nuevo benchmark y métricas unificadas para evaluar la capacidad de diseño orientado a objetos de 29 modelos de lenguaje grande, revelando que, aunque algunos modelos alcanzan un rendimiento cercano al de estudiantes universitarios, aún presentan deficiencias semánticas significativas y están muy por debajo del nivel de los diseñadores humanos expertos.
PLANING es un marco eficiente de reconstrucción en tiempo real que utiliza una representación híbrida desacoplada de primitivas geométricas explícitas y gaussianas neuronales para lograr simultáneamente alta calidad de renderizado y geometría precisa en secuencias de imágenes monoculares.
Esta investigación demuestra que el orden de evaluación en las reseñas en línea (calificación antes o después del texto) polariza las calificaciones de los consumidores mediante un mecanismo de heurística afectiva y esfuerzo cognitivo, donde la secuencia "calificación primero" amplifica las puntuaciones extremas según la calidad del servicio y el tipo de producto, un hallazgo respaldado por datos secundarios de plataformas como Yelp y Letterboxd.
El artículo presenta Paracosm, un método de recuperación de imágenes compuestas sin entrenamiento ni ajuste (zero-shot) que supera a los enfoques actuales al generar directamente una "imagen mental" sintética mediante un modelo multimodal grande para crear un "paracosmos" de coincidencia, cerrando así la brecha entre las consultas multimodales y las imágenes de la base de datos.
El artículo presenta KVSmooth, un método gratuito y plug-and-play que mitiga las alucinaciones en modelos de lenguaje multimodal grandes mediante un suavizado adaptativo de los estados ocultos guiado por la entropía de la atención, mejorando significativamente la precisión y el recall sin necesidad de reentrenamiento.
Este artículo analiza empíricamente la escasa definición y ejemplificación del concepto de trabajo "aburrido, sucio y peligroso" (DDD) en la literatura robótica, revisa la literatura de ciencias sociales para ofrecer definiciones claras y propone un marco para que la comunidad considere el contexto laboral y el impacto de la robótica en el empleo humano.
ThunderAgent es un sistema de inferencia ágil y consciente del programa que unifica la gestión de recursos heterogéneos mediante la abstracción de flujos de trabajo como "programas LLM", logrando mejoras significativas en el rendimiento y la eficiencia de memoria en comparación con los sistemas existentes.
OmniVTON++ es un marco de prueba de ropa virtual universal y sin entrenamiento que aborda desafíos de alineación y coherencia mediante morfología de prendas estructurada, guía de pose principal y costura de límites continua, logrando un rendimiento superior en diversos escenarios y soportando casos de múltiples prendas, personas y personajes de anime.
El marco Similarity-as-Evidence (SaE) calibra las predicciones sobreconfiadas de los Modelos Visuales-Linguísticos mediante una cabeza de evidencia de similitud que parametriza una distribución Dirichlet, permitiendo una selección de muestras más interpretable y eficiente en etiquetas para el aprendizaje activo en imágenes médicas al priorizar casos de alta vacuidad y disonancia.
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.
El artículo presenta SIMSPINE, un marco de simulación consciente de la biomecánica y un nuevo conjunto de datos abierto que, al generar 2,14 millones de anotaciones 3D de vértebras a partir de modelos musculoesqueléticos, establece el primer benchmark unificado para la estimación de movimientos de la columna vertebral basada en visión por computadora, logrando mejoras significativas en el estado del arte.
Este artículo proporciona la justificación teórica de que el marco -DRESS distingue pares CFI para todo y demuestra condicionalmente que su poder de discriminación es al menos equivalente al de la jerarquía -WL para todos los grafos.
El artículo presenta InterNeg, un marco que mejora la detección de distribuciones fuera de contexto en modelos de visión y lenguaje al resolver inconsistencias en el uso de distancias intra-modales mediante la selección coherente de textos negativos y la generación dinámica de embeddings textuales a partir de imágenes OOD, logrando así un rendimiento superior en benchmarks estándar.
Este trabajo presenta "Kraken", el primer ataque de canal lateral electromagnético de alto orden capaz de extraer parámetros de modelos de aprendizaje profundo directamente de las unidades Tensor Core de las GPUs, demostrando la vulnerabilidad de estos sistemas tanto en campo cercano como en campo lejano a través de obstáculos.