2527 artículos
El artículo presenta NeurCC, un algoritmo de control de concurrencia aprendido que utiliza optimización bayesiana y búsqueda de reducción de grafos para generar una tabla de búsqueda eficiente que supera consistentemente a los métodos existentes en rendimiento y adaptabilidad ante diversas cargas de trabajo.
Este artículo demuestra que una derecha actegoría con objetos hom es equivalente a una categoría enriquecida a la derecha con copotencias, extendiendo este resultado a bases monoidales no cerradas y no simétricas para fundamentar la semántica de procesos de orden superior en el lenguaje concurrente CaMPL.
Este artículo presenta un marco novedoso de aprendizaje semi-supervisado para la segmentación de imágenes biomédicas que combina modelos de difusión y un entrenamiento colaborativo maestro-alumno, logrando superar a las técnicas actuales al generar máscaras de segmentación precisas a partir de datos limitados etiquetados.
Este trabajo presenta BR-Gen, un nuevo dataset a gran escala de imágenes con manipulaciones localizadas que abarca escenas completas, junto con NFA-ViT, un modelo basado en transformadores que amplifica las huellas de falsificación para mejorar la detección y generalización de alteraciones de IA en imágenes.
El artículo presenta SPDL, una biblioteca de código abierto y agnóstica a frameworks que optimiza la carga de datos en GPU liberando el bloqueo del intérprete global (GIL) de Python, logrando una velocidad de iteración un 74% superior y un menor consumo de recursos en comparación con el DataLoader de PyTorch, con mejoras adicionales al adoptar Python sin GIL.
El artículo presenta iTuP y SDG-Net, un marco que mejora el uso de herramientas robóticas al seleccionar agarres que minimizan el torque y el deslizamiento inducidos por la dinámica de la tarea, superando así las limitaciones de los sistemas basados únicamente en percepción o geometría estática.
Este trabajo presenta M4-SAR, un nuevo conjunto de datos a gran escala y un marco de referencia unificado para la detección de objetos mediante la fusión de imágenes ópticas y SAR, que demuestra mejoras significativas en la precisión de detección, especialmente en entornos complejos.
El trabajo presenta MARRS, un marco novedoso que genera reacciones humanas coordinadas y detalladas mediante representaciones continuas, utilizando un VAE dividido por unidades corporales, fusión condicionada por acciones, modulación adaptativa entre unidades y un modelo de difusión con predictores MLP independientes para superar las limitaciones de los enfoques autoregresivos basados en cuantización vectorial.
Este trabajo presenta EasyText, un marco basado en transformadores de difusión que permite la generación precisa y controlable de texto multilingüe mediante la incorporación de codificaciones de posición de caracteres y el uso de un extenso conjunto de datos sintéticos.
Este estudio evalúa empíricamente la eficacia de modelos de lenguaje preentrenados y grandes modelos de lenguaje en la detección de vulnerabilidades multilingües a nivel de función y línea, demostrando que los grandes modelos de lenguaje, especialmente GPT-4o, superan significativamente a los enfoques anteriores al identificar con mayor precisión vulnerabilidades críticas en múltiples lenguajes de programación.
El artículo presenta SpikeSMOKE, una arquitectura de redes neuronales de espigas para la detección 3D de objetos monocular que, mediante un nuevo mecanismo de codificación de compuertas de escala cruzada y bloques residuales ligeros, logra una alta precisión en conjuntos de datos como KITTI y NuScenes mientras reduce significativamente el consumo energético y la complejidad computacional en comparación con métodos tradicionales.
Este artículo presenta un conjunto de datos a gran escala y longitudinal que abarca una década (2013-2022) de interacciones en el foro de noticias del periódico austriaco DerStandard, incluyendo más de 75 millones de comentarios y 400 millones de votos anonimizados y representados mediante vectores para preservar la privacidad, facilitando así investigaciones sobre dinámicas de discusión y análisis semántico en alemán.
El artículo presenta FieldLVLM, un marco innovador que mejora la comprensión de los Grandes Modelos Visuales-Lingüísticos sobre datos de campos científicos mediante una estrategia de generación de lenguaje específica del dominio y un ajuste de modelos multimodales con compresión de datos, logrando un rendimiento superior en tareas de investigación científica.
El artículo presenta YOPO, un marco unificado de un solo paso basado en transformadores que logra un estado del arte en la estimación de pose 9D de múltiples objetos a nivel de categoría a partir de una sola imagen RGB, eliminando la necesidad de modelos CAD, profundidad o etapas cascada.
Este trabajo presenta Adaptive Tamaraw, un marco unificado que combina técnicas de regularización y agrupación supersecuencial para ofrecer una defensa adaptable contra la huella digital de sitios web, logrando reducir la sobrecarga en un 99% en comparación con Tamaraw clásico mientras mantiene garantías de seguridad demostrables.
El artículo presenta CoRe-GS, un marco de dispersión gaussiana de lo grueso a lo fino que optimiza selectivamente solo los objetos de interés en una escena, logrando una reconstrucción 3D más rápida y de mayor calidad al reducir los costos computacionales innecesarios para aplicaciones robóticas.
Este estudio presenta el primer análisis a gran escala del uso de aritmética de punto flotante en repositorios públicos de GitHub para lenguajes estáticamente tipados, revelando que, aunque algunos benchmarks existentes son representativos, el código real presenta matices que requieren nuevas evaluaciones y proporcionando un conjunto de datos de 10 millones de funciones para guiar el desarrollo futuro de técnicas de razonamiento.
El artículo presenta VocSegMRI, un marco de aprendizaje multimodal que integra señales visuales, acústicas y fonológicas mediante fusión por atención cruzada y aprendizaje contrastivo para lograr una segmentación precisa y robusta del tracto vocal en imágenes de resonancia magnética en tiempo real, superando a los métodos unimodales existentes.
Este artículo presenta un enfoque de aprendizaje descentralizado que permite a equipos de robots cuadrúpedos cooperar mediante contacto físico para transportar objetos no manipulables, utilizando una arquitectura jerárquica y un diseño de recompensas que fomenta un comportamiento de agarre rígido sin necesidad de comunicación ni acoplamiento mecánico.
Este artículo analiza ocho implementaciones reales de IA en contextos no occidentales para identificar seis factores clave y proponer 12 directrices que priorizan la colaboración interdisciplinaria y el diseño culturalmente alineado para lograr sistemas de IA seguros, equitativos y efectivos en ámbitos de alto impacto.