7177 artículos
Este trabajo propone la Calibración Espectral Predictiva (PSC), un marco libre de fuentes que mejora la adaptación en tiempo de prueba para regresión de imágenes mediante la alineación de subespacios y la calibración espectral residual, logrando mejoras consistentes sobre métodos existentes bajo cambios de distribución severos.
Este tutorial de ICDE 2026 ofrece una visión integral de la convergencia entre la búsqueda vectorial y la IA, explorando cómo se potencian mutuamente mediante técnicas de aprendizaje automático y marcos de generación aumentada por recuperación (RAG) para establecer un ciclo virtuoso de optimización y mejora de capacidades.
El artículo propone un marco de esteganografía de imágenes robusto y con seguridad demostrable basado en la optimización iterativa en el espacio latente, que mejora significativamente la precisión de extracción de mensajes bajo compresión y procesamiento de imágenes sin comprometer la seguridad teórica.
ProvAgent es un marco de trabajo que mejora la detección y la investigación de amenazas avanzadas persistentes (APT) mediante la combinación de modelos tradicionales para el filtrado de anomalías, un aprendizaje de contraste gráfico para la vinculación de identidad y comportamiento, y un sistema multiagente autónomo que reconstruye procesos de ataque con alta precisión y bajo costo.
El artículo presenta EPPINN, un marco de aprendizaje profundo evidencial basado en redes neuronales informadas por física que mejora la precisión y fiabilidad de la estimación de parámetros de perfusión en la tomografía computarizada para el ictus isquémico agudo al cuantificar la incertidumbre aleatoria y epistémica sin necesidad de muestreo bayesiano.
SinGeo es un marco innovador que utiliza un aprendizaje discriminativo dual y una estrategia de aprendizaje curricular para permitir que un único modelo logre una geo-localización cruzada robusta y adaptable a diversas condiciones de campo de visión, superando el estado del arte en múltiples conjuntos de datos.
Este artículo establece explícitamente que el tamaño óptimo de un circuito cambia como máximo en ante una perturbación de un punto en su tabla de verdad, extendiendo el resultado a distancias de Hamming generales y verificando su optimalidad exhaustiva para mediante un análisis SAT en la base AIG.
Este estudio presenta PixelConfig, un marco de análisis diferencial que revela que la configuración predeterminada del Meta Pixel en miles de sitios web, especialmente en el sector salud, facilita la recolección masiva de datos sensibles y de actividad de los usuarios, mientras que las medidas de restricción implementadas ofrecen una protección limitada y son fácilmente eludibles.
El artículo presenta EventVGGT, un marco innovador que mejora la estimación de profundidad basada en eventos mediante la distilación de conocimientos espaciotemporales y geométricos del modelo VGGT, superando las limitaciones de consistencia temporal y precisión de los métodos anteriores al tratar las secuencias de eventos como videos coherentes en lugar de fotogramas independientes.
El artículo presenta MIDAS, un marco de esteganografía sin entrenamiento basado en difusión que permite ocultar múltiples imágenes con control de acceso específico para cada usuario mediante fusión a nivel latente, superando a los métodos existentes en calidad, robustez y resistencia al análisis.
Este artículo presenta GeoBenchr, una suite de evaluación de código abierto y centrada en aplicaciones diseñada para comparar de manera integral el rendimiento de plataformas de bases de datos espaciotemporales en escenarios del mundo real, como el seguimiento de ciclismo, aviación y marítimo.
Este artículo presenta un marco de identificación de sistemas en pista aumentado por visión para carreras autónomas que combina un prior de fricción derivado de una CNN ligera, un modelo S4 para dinámicas temporales y un algoritmo de Nelder-Mead, logrando una estimación de fricción y extracción de parámetros de neumáticos significativamente más precisa y rápida que los métodos tradicionales.
El artículo presenta YOLO-NAS-Bench, el primer benchmark sustituto diseñado para la búsqueda de arquitecturas de YOLO, que emplea un mecanismo de autoevolución para refinar un predictor basado en LightGBM y descubrir arquitecturas de detección de objetos que superan a los modelos oficiales en el conjunto de datos COCO-mini.
El artículo presenta RiO-DETR, el primer transformador de detección en tiempo real para objetos orientados, que supera los desafíos de la periodicidad angular y la convergencia mediante diseños nativos como la estimación de ángulos impulsada por contenido y una refinación periódica desacoplada, logrando un nuevo equilibrio entre velocidad y precisión en conjuntos de datos de detección aérea.
Este artículo propone un marco unificador que clasifica los problemas de conteo no resueltos en redes tensoriales booleanas en nueve casos basados en grupos finitos, resolviendo el caso de grupos cíclicos de orden superior y avanzando en la comprensión de las barreras algebraicas que impiden una dicotomía completa.
El artículo presenta CIGPose, un marco basado en redes neuronales gráficas e intervención causal que elimina las correlaciones espurias del contexto visual mediante la sustitución de representaciones de keypoints confundidas, logrando así un nuevo estado del arte en la estimación de poses corporales completas con mayor robustez y plausibilidad anatómica.
El artículo presenta MetaDAT, un enfoque de predicción de trayectorias que combina un marco de meta-aprendizaje para la pre-entrenación con un mecanismo de actualización de modelo adaptativo a los datos durante la prueba, logrando así una adaptación superior y robusta ante cambios de distribución en escenarios complejos.
Este artículo analiza cómo las vulnerabilidades binarias en aplicaciones WebAssembly pueden comprometer la seguridad de las páginas web al permitir ataques como inyecciones SQL o XS-Leaks, y propone mejores prácticas para mitigar estos riesgos.
Este artículo presenta la construcción de un functor que asigna dinámica a un modelo algebraico de componentes interactivos, generalizando el modelo computacional AlChemy de Fontana y Buss mediante el cálculo lambda y explorando el uso de la teoría de categorías para formalizar la conexión entre los aspectos algebraicos y dinámicos de la química artificial.
El artículo presenta GIIM, un enfoque novedoso basado en grafos para el diagnóstico médico que mejora la precisión y robustez al modelar simultáneamente las dependencias intra e intervistas de las anomalías y manejar eficazmente los datos incompletos.