6338 artículos
El artículo presenta LINO UniPS, un enfoque unificado para la estereofotometría universal que logra una representación de características desacoplada mediante tokens de registro de luz y atención entrelazada, preserva los detalles geométricos de alta frecuencia con una arquitectura de doble rama basada en wavelets, y se entrena en el nuevo dataset PS-Verse para alcanzar resultados de vanguardia.
Este artículo presenta un marco novedoso de cascada guiado por modelos de lenguaje visuales (VLM) que utiliza características derivadas del VLM como prompts explícitos para el modelo Segment Anything (SAM) y emplea la salida de segmentación como un prior espacial suave, logrando así una segmentación y clasificación más precisas y eficientes de objetos camuflados en escenarios de vocabulario abierto.
El artículo presenta WaLi, un ataque que demuestra cómo los sensores de presión de los sistemas HVAC pueden ser explotados para reconstruir conversaciones humanas inteligibles a partir de datos ruidosos y de baja resolución mediante el uso de una red neuronal compleja, revelando así una nueva amenaza significativa para la privacidad.
El artículo presenta SUBARU, un enfoque práctico que reduce el consumo energético en dispositivos auditivos mediante el muestreo sub-Nyquist y baja resolución de bits, logrando una reconstrucción de audio de banda ancha y mejora de la voz en tiempo real con una eficiencia de potencia 3,31 veces superior.
Este artículo presenta VTOPA, un algoritmo de posicionamiento autónomo para UAVs que utiliza visión por computadora para optimizar la conectividad inalámbrica en entornos urbanos densos, logrando un aumento del 50% en el rendimiento agregado y una reducción del 50% en la latencia al garantizar enlaces de vista directa y adaptarse dinámicamente a la demanda de tráfico.
El artículo presenta LD-RPS, un enfoque unificado y sin datos de entrenamiento para la restauración de imágenes que utiliza muestreo recurrente de posterior en un modelo de difusión latente preentrenado, potenciado por un modelo de comprensión multimodal para lograr resultados superiores a los métodos actuales en diversas degradaciones.
Este artículo presenta QAA, un método de agregación adaptativa basado en consultas que mejora la generalización del Reconocimiento Universal de Lugares Visuales al entrenar conjuntamente múltiples conjuntos de datos sin sacrificar el rendimiento ni la eficiencia computacional.
Este trabajo presenta hPGA-DP, una política de difusión híbrida que integra el Álgebra Geométrica Proyectiva (PGA) en su arquitectura para mejorar la eficiencia del entrenamiento y el rendimiento en tareas de manipulación robótica al incorporar sesgos inductivos geométricos que evitan que las redes aprendan conceptos espaciales desde cero.
Este artículo presenta MCULoRA, un nuevo enfoque de adaptación de bajo rango que desacopla dinámicamente las características de las combinaciones modales para resolver los conflictos de gradientes en el reconocimiento de emociones multimodal con datos incompletos, superando significativamente a los métodos existentes.
El artículo presenta Mamba Snake, un marco innovador basado en modelos de espacio de estados que mejora la segmentación médica unificada al modelar eficazmente las relaciones topológicas interórganas y refinar contornos complejos, logrando un rendimiento superior en múltiples conjuntos de datos clínicos.
El artículo presenta , una red neuronal feed-forward totalmente equivariante a la permutación que elimina la dependencia de una vista de referencia fija para lograr estimaciones de poses de cámara y reconstrucciones geométricas más precisas y robustas, superando el estado del arte en diversas tareas de geometría visual.
Este artículo propone un marco de aprendizaje profundo basado en Vision Transformer (ViT) que utiliza análisis de espacio de características y un índice de confianza para generar datos de entrenamiento débilmente supervisados a partir de imágenes Sentinel-2 y Formosat-5, mejorando así la segmentación de áreas afectadas por desastres para el producto EVAP de la Agencia Espacial de Taiwán en escenarios con escasa información de referencia.
Este artículo presenta una encuesta y taxonomía de los enfoques de autoescalado para aplicaciones de microservicios desde 2018, analizando estrategias dependientes de servicios que optimizan la eficiencia de recursos y costos mientras garantizan el cumplimiento de los acuerdos de nivel de servicio (SLA).
El artículo presenta BrownoutServe, un marco de inferencia novedoso para modelos de lenguaje basados en MoE que optimiza la eficiencia y garantiza los objetivos de nivel de servicio bajo cargas de trabajo explosivas mediante la introducción de "expertos unidos" y un mecanismo de *brownout* dinámico.
Este artículo presenta C-Koordinator, una plataforma de código abierto desarrollada por Alibaba que utiliza modelos de predicción de interferencia basados en ciclos por instrucción (CPI) para gestionar eficazmente la co-localización de microservicios a gran escala, logrando una reducción significativa en la latencia de las aplicaciones al mitigar la competencia por recursos en entornos heterogéneos.
Este trabajo presenta un innovador sensor táctil de rodillo basado en visión neuromórfica que permite la inspección de superficies industriales a gran escala a alta velocidad (hasta 0,5 m/s) con una precisión de reconstrucción 3D superior a los métodos anteriores, reduciendo el error medio absoluto por debajo de 100 micras y acelerando el proceso 11 veces.
Este artículo investiga la aplicación de la Ejecución Simbólica Dinámica para el análisis de diferencias semánticas en arquitecturas de componentes y conectores mediante modelos MontiArc, evaluando su eficacia y concluyendo que, aunque prometedor, el enfoque enfrenta limitaciones de escalabilidad en sistemas grandes.
El artículo presenta MIDAR, un modelo sustituto de detección LiDAR que utiliza características de alto nivel de simuladores de tráfico microscópicos y una arquitectura de Graph Transformer para generar percepciones realistas con bajo costo computacional, superando las limitaciones de escalabilidad de los simuladores basados en motores de juego y mejorando aplicaciones de sistemas de transporte inteligentes.
Este artículo presenta TransUNet-GradCAM, un modelo híbrido que combina transformadores y U-Net para lograr una segmentación precisa y explicativa de úlceras diabéticas en los pies, demostrando un alto rendimiento y capacidad de generalización en múltiples conjuntos de datos clínicos externos.
El artículo presenta S²Q-VDiT, un marco de cuantización post-entrenamiento para transformadores de difusión de video que utiliza selección de datos salientes y destilación de tokens dispersos para lograr un rendimiento sin pérdidas con una compresión de modelo de 3.9× y una aceleración de inferencia de 1.3×.