6329 artículos
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.
Este trabajo presenta un nuevo algoritmo de muestreo aleatorio con reemplazo para flujos de datos que permite obtener en una sola pasada una muestra ponderada representativa del conjunto visto hasta el momento, garantizando su corrección y eficiencia mediante pruebas formales y análisis experimental.
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.
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.
Este artículo presenta un método que utiliza la Entropía de Transferencia para modular la influencia entre agentes en la interacción humano-robot, demostrando mediante simulaciones y experimentos reales que potenciar dicha influencia mejora la colaboración, mientras que resistirla fomenta la independencia social.
Este artículo presenta un marco genérico que garantiza la decidibilidad en tiempo polinómico de fragmentos de teorías de primer orden con un número fijo de negaciones, demostrando su aplicabilidad para probar la tractabilidad de la aritmética débil de Presburger y otras teorías relacionadas, en contraste con la dureza NP de fragmentos más restringidos de la aritmética de Presburger estándar.
El artículo presenta MORCoRA, una técnica de búsqueda multiobjetivo que recomienda secuencias de refactorización que mejoran la calidad del código y preservan su semántica, al mismo tiempo que identifica revisores expertos y disponibles para garantizar la viabilidad de la revisión.
Este trabajo presenta un diseño de neurona analógica Leaky Integrate-and-Fire en tecnología CMOS de 28 nm que consume solo 1.61 fJ por espiga, logrando una frecuencia máxima de 300 kHz y una precisión del 82.5% en el conjunto de datos MNIST, demostrando así la viabilidad de sistemas neuromórficos de bajo consumo para aplicaciones de aprendizaje automático embebido.
Este estudio de métodos mixtos examina el ciclo de vida de los artículos de Wikipedia sobre temas tabú, identificando seis temas clave que revelan cómo la colaboración resiliente, el liderazgo y la gobernanza emergente permiten crear y mantener conocimiento de alta calidad en medio de conflictos y censura.
Este trabajo presenta el Sistema de Análisis Multimodal de Video Laringoscópico (MLVAS), una herramienta innovadora que combina datos de audio y video mediante detección de glotis, refinamiento de segmentación basado en difusión y extracción de características acústicas y visuales para asistir en el diagnóstico objetivo y automatizado de la parálisis de las cuerdas vocales.
Este artículo explora el potencial transformador de la inteligencia artificial para optimizar la generación y validación de casos de prueba mediante la automatización y el aprendizaje automático, abordando al mismo tiempo los desafíos de implementación para lograr lanzamientos de software más rápidos, precisos y escalables.
Este trabajo propone un marco de navegación segura para robots bípedos que combina aprendizaje por refuerzo profundo con el control predictivo basado en el operador de Koopman para linealizar la dinámica compleja en un espacio elevado, logrando así una predicción más precisa y una mayor tasa de éxito en entornos densos.
El artículo presenta InterMind, un sistema basado en modelos de lenguaje grande que mejora la evaluación de la depresión mediante la interacción entre médicos, pacientes y familiares, integrando técnicas como la generación aumentada por recuperación y la cadena de pensamiento para ofrecer diagnósticos más precisos, interpretables y libres de alucinaciones.
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 sistema S^2Sim automatiza el diagnóstico y la reparación de configuraciones de enrutamiento distribuido mediante la simulación simbólica selectiva de variantes para identificar errores y generar parches que cumplan con los requisitos de intención, demostrando su eficacia en redes de gran escala.
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 artículo estudia el diseño de mecanismos de mediación que maximizan los ingresos en el comercio bilateral con valoraciones interdependientes, demostrando una trilema de imposibilidad y caracterizando mecanismos óptimos bajo condiciones de relajación que revelan estructuras de umbral que generan efectos de mercado de limones o asignan más información a los compradores de menor tipo.
Este trabajo propone una variante del juego de fichas que permite cálculos parciales para modelar grafos acíclicos dirigidos con grados de entrada arbitrarios, demostrando que encontrar una estrategia óptima es NP-completo incluso en casos simples y presentando algoritmos de aproximación para casos especiales.