6416 artículos
Este trabajo presenta PolyJailbreak, un marco de ataque de jailbreak de caja negra para modelos de lenguaje multimodal que explota la asimetría en la seguridad multimodal mediante primitivas estratégicas atómicas y optimización multiagente para lograr tasas de éxito superiores al 95% en modelos comerciales.
El artículo presenta HumanMPC, un marco de control predictivo basado en modelos que garantiza una navegación segura y eficiente de vehículos aéreos no tripulados en entornos con humanos mediante la combinación de modelos de movimiento realistas y una formulación de seguridad de alcanzabilidad minimamente conservadora.
Este trabajo presenta un marco conceptual de HCI que propone adaptar Minecraft Education Edition al sistema educativo de Bangladesh mediante un modelo de despliegue escalonado en tres niveles, contenido local en bengalí y soluciones de bajo costo diseñadas para superar las severas limitaciones de infraestructura y recursos de las escuelas rurales y urbanas.
El artículo presenta Dream4Drive, un marco de generación de datos sintéticos que utiliza modelos de mundo de conducción y activos 3D para crear casos extremos multivista fotorealistas, demostrando así una mejora significativa en el rendimiento de los modelos de percepción para la conducción autónoma.
El artículo presenta MoE-GS, un marco unificado pionero que integra una arquitectura de Mezcla de Expertos con un enrutador de píxeles consciente del volumen para mejorar la síntesis de nuevas vistas en escenas dinámicas mediante la combinación de priores de deformación heterogéneos, logrando un rendimiento superior al estado del arte junto con estrategias de eficiencia como la poda de Gaussianos y la destilación.
Este estudio presenta una evaluación exhaustiva y experimental de las alternativas modernas a Redis (Valkey, KeyDB y Garnet) en entornos Kubernetes, analizando sus compensaciones en rendimiento, eficiencia de recursos y viabilidad a largo plazo para llenar un vacío en la literatura actual sobre almacenes de datos en memoria nativos de la nube.
El artículo presenta HCLA, un sistema multiagente centrado en el humano que utiliza inteligencia artificial conversacional para transformar la detección de transacciones anómalas en activos digitales mediante un proceso de razonamiento trazable y justificable que prioriza la rendición de cuentas y la transparencia en el cumplimiento normativo.
El artículo presenta AnyPcc, un marco universal de compresión de nubes de puntos que establece un nuevo estado del arte mediante un modelo de contexto robusto y una estrategia de ajuste fino adaptativo a instancias para manejar eficazmente datos de diversas densidades y distribuciones.
Este artículo propone un método automatizado para el conteo de plagas en trampas de agua que utiliza un brazo robótico con un sistema de agitación activa y control de velocidad adaptativa para mitigar la oclusión, demostrando que el patrón de agitación de cuatro círculos reduce significativamente el error de conteo y el tiempo de ejecución en comparación con los métodos estáticos tradicionales.
El artículo presenta CountFormer, un marco basado en el modelo de visión auto-supervisado DINOv2 que mejora la consistencia estructural en el conteo de objetos sin ejemplos al aprovechar la repetición visual, logrando un rendimiento competitivo en el conjunto de datos FSC-147.
El artículo presenta LagMemo, un sistema de navegación que utiliza un memoria de 3D Gaussian Splatting con lenguaje para lograr una localización de objetivos de vocabulario abierto y multi-objetivo mediante consultas espaciales y semánticas robustas, superando a los métodos actuales y validado mediante un nuevo conjunto de datos llamado GOAT-Core.
El paper presenta SAGE, un enfoque zero-shot que genera transiciones de video coherentes y estructuradas entre clips diversos combinando guías estructurales con síntesis generativa, superando a los métodos existentes sin necesidad de datos de entrenamiento específicos.
El estudio presenta MobiDock, un sistema móvil bimanual modular que permite a dos robots conectarse físicamente mediante un mecanismo de tornillo y visión por computadora para formar una plataforma unificada, logrando así una mayor estabilidad dinámica, precisión y eficiencia operativa en comparación con la cooperación independiente.
Este artículo presenta VOPP, un planificador en línea de POMDP vectorizado que aprovecha la paralelización masiva mediante computaciones totalmente vectorizadas para eliminar cuellos de botella de sincronización, logrando una eficiencia de cálculo 20 veces superior a los solvers paralelos existentes y superando a los solvers secuenciales con un presupuesto de planificación 1000 veces menor.
Este artículo presenta un método forense llamado "reconstrucción de retroceso de difusión" que detecta imágenes generadas por IA analizando cómo estas responden a perturbaciones y reconstrucciones mediante modelos de difusión, logrando una alta precisión (AUROC de 0.993) y robustez frente a distorsiones comunes.
El artículo presenta PhantomFetch, la primera defensa agnóstica al hardware que protege contra ataques de canal lateral mediante el prefetcher IP-stride sin sacrificar su rendimiento ni requerir modificaciones de hardware.
Este trabajo presenta MUGSQA, un nuevo método de evaluación de calidad, un conjunto de datos y dos puntos de referencia diseñados para abordar los desafíos en la evaluación perceptual de la reconstrucción 3D mediante Gaussian Splatting, considerando múltiples incertidumbres en los datos de entrada.
El artículo presenta CountOCC, un marco de trabajo para el conteo amodal en entornos abiertos que supera las limitaciones de los métodos actuales al reconstruir las características de objetos oclidos mediante guía multimodal jerárquica y un objetivo de equivalencia visual, logrando así un rendimiento superior en conjuntos de datos de evaluación ocultos.
El artículo presenta LAMP, un marco de aprendizaje por refuerzo multiagente que integra el razonamiento lingüístico en un flujo de trabajo de "pensar, hablar y decidir" para superar las limitaciones de los modelos actuales y lograr estrategias económicas más rentables, robustas e interpretables en entornos de simulación.
El artículo presenta Video2Layout, un marco que reconstruye mapas cognitivos espaciales basados en métricas continuas a partir de videos para superar las limitaciones de los mapas de cuadrícula y mejorar el razonamiento espacial en modelos de lenguaje multimodal.