6424 artículos
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.
Este artículo presenta MOMNet, un marco de trabajo novedoso libre de alineación que utiliza un mecanismo de coincidencia de múltiples órdenes y una agregación adaptativa para lograr una super-resolución de profundidad robusta y de alta calidad en escenarios del mundo real donde las imágenes RGB y de profundidad no están estrictamente alineadas.
El artículo presenta DualMindVLM, un modelo de lenguaje visual que implementa un mecanismo de pensamiento dual (rápido y lento) adaptando el entrenamiento GRPO para asignar dinámicamente la longitud de la respuesta según la complejidad de la tarea, logrando así un rendimiento de razonamiento superior con una mayor eficiencia en el uso de tokens.
Este artículo presenta el Operador Neuronal Estructurado Radiativo (RSNO), un método de aprendizaje profundo que reconstruye imágenes hiperespectrales continuas a partir de observaciones multiespectrales mediante un mapeo continuo basado en principios físicos y proyecciones de consistencia angular para garantizar la coherencia espectral y eliminar distorsiones de color.
El artículo presenta UnfoldLDM, un marco de red de despliegue profundo que integra un modelo de difusión latente para superar las limitaciones de dependencia del modelo de degradación y el sesgo de sobre-suavizado en la restauración ciega de imágenes, logrando resultados de vanguardia mediante módulos de estimación de degradación y corrección de texturas.
Este estudio analiza cómo los usuarios de Reddit negocian colectivamente las preocupaciones sobre la privacidad de ChatGPT mediante prácticas de información como la señalización de riesgos, el establecimiento de normas y la búsqueda de alternativas, revelando un proceso de construcción de sentido colectivo que ofrece insights para el diseño de IA y la alfabetización en privacidad.
Este trabajo presenta un sistema de seguimiento GNSS estable y en tiempo real para robots marinos, que utiliza una flota de drones con detección visual, alineación de IDs cooperativa y un filtro de Kalman extendido ponderado por confianza para superar la pérdida de señal bajo el agua.
El artículo presenta Yo'City, un marco agéntico innovador que utiliza modelos grandes y una estrategia de planificación jerárquica para generar ciudades 3D realistas, personalizadas y de escala infinita, superando a los métodos existentes mediante un ciclo de síntesis iterativo y un mecanismo de expansión guiado por relaciones espaciales y semánticas.
El sistema DOPD mejora el rendimiento de la inferencia de modelos de lenguaje grandes (LLM) mediante una arquitectura dinámica que ajusta en tiempo real la proporción entre instancias de prellenado y decodificación para equilibrar la carga, logrando un aumento de hasta 1,5 veces en el buen rendimiento y reducciones significativas en los tiempos de respuesta en comparación con enfoques existentes.
Este trabajo inicia el estudio de los spanners tolerantes a fallos en hipergrafos, proponiendo un algoritmo basado en clustering que construye spanners de tamaño sublineal en el número de fallos y estableciendo un límite inferior que deja una brecha polinómica para futuras investigaciones.
Este artículo presenta un marco de control multiagente asistido por modelos de lenguaje que automatiza el diseño y la adaptación de sistemas de fabricación en rollo a rollo, reduciendo el esfuerzo de ajuste manual y garantizando la seguridad mediante la identificación del sistema, la sintonización automática y la verificación de seguridad en la adaptación de simulación a realidad.
El artículo presenta RadDiff, un nuevo método de plegamiento inverso de proteínas que combina un mecanismo de recuperación de conocimiento actualizado con un modelo de difusión denoising para superar las limitaciones de los enfoques existentes y lograr una tasa de recuperación de secuencias superior.