6348 artículos
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×.
El artículo presenta SPEX, el primer modelo de lenguaje visual multimodal diseñado para la extracción de cobertura terrestre en imágenes de teledetección espectral, que aprovecha un nuevo conjunto de datos instruido (SPIE) y estrategias de entrenamiento avanzadas para superar a los métodos actuales y ofrecer explicaciones textuales interpretables.
Este trabajo presenta la primera evaluación de métodos de 3D Gaussian Splatting en imágenes de ojo de pez con campos de visión superiores a 180°, demostrando que un campo de 160° ofrece el mejor equilibrio y proponiendo una inicialización basada en profundidad mediante UniK3D que supera a los métodos tradicionales de SfM en escenarios distorsionados.
Este artículo presenta la primera validación experimental de comunicación encubierta en radiofrecuencia con garantías de seguridad teórica utilizando radios definidos por software, confirmando la ley de la raíz cuadrada y abriendo nuevas vías para la implementación práctica de estos sistemas.
Este artículo presenta un marco unificado y semánticamente fundamentado para la adaptación de dominio en la segmentación de imágenes médicas, que mediante el aprendizaje de una variedad probabilística agnóstica al dominio logra resultados de vanguardia tanto en escenarios con acceso a datos de origen como sin ellos, eliminando la necesidad de estrategias explícitas de alineación cruzada.
El artículo presenta Video-EM, un marco de memoria episódica sin entrenamiento que mejora la comprensión de videos largos mediante la construcción y refinamiento iterativo de una línea temporal de eventos coherentes, superando las limitaciones de las selecciones de fotogramas aisladas para permitir un razonamiento más preciso en modelos de lenguaje visual.
El artículo presenta UniUGG, el primer marco unificado que integra la comprensión y generación de modalidades 3D mediante un LLM, un decodificador espacial basado en difusión latente y una estrategia de aprendizaje geométrico-semántico para mejorar la visualización espacial y la generación de escenas 3D.
El artículo presenta UniCast, un marco multimodal eficiente en parámetros que mejora los modelos fundacionales de series temporales mediante la generación de prompts condicionados a la instancia y un enrutamiento dinámico de modalidades, logrando un rendimiento superior al adaptar las predicciones a contextos específicos de series temporales, visión y texto sin modificar el modelo base.
El artículo presenta PhysGM, un marco de síntesis 4D feed-forward que, junto con el nuevo conjunto de datos PhysAssets, genera simulaciones físicas de alta fidelidad y renderizado 4D a partir de una sola imagen en un minuto, superando las limitaciones de optimización lenta y dependencia de múltiples vistas de los métodos anteriores.
Este artículo presenta un marco de estimación de poses humanas 3D basado en difusión que utiliza una estrategia de poda temporal jerárquica (HTP) para reducir drásticamente los costos computacionales y acelerar la inferencia sin sacrificar el rendimiento, logrando resultados de vanguardia en conjuntos de datos estándar.
El artículo presenta PointSlice, un método innovador que convierte las nubes de puntos 3D en rebanadas 2D y utiliza una red de interacción de rebanadas para lograr un equilibrio superior entre precisión y eficiencia en la detección de objetos 3D, superando a los enfoques basados en pilares y voxel en velocidad y parámetros con una pérdida mínima de exactitud.