8109 artículos
El artículo presenta MEDISEG, un nuevo conjunto de datos con máscaras de segmentación de instancias para 32 tipos de pastillas en 8262 imágenes que aborda la falta de complejidades del mundo real, demostrando su eficacia para entrenar modelos de IA que previenen errores de medicación y mejoran el reconocimiento de clases no vistas en escenarios de múltiples pastillas.
Este estudio desarrolla un marco espacialmente explícito en la República Checa que demuestra que las características demográficas presentan relaciones lineales condicionadas espacialmente con la forma construida, revelando cómo ciertos tipos de edificación son más selectivos socialmente y refuerzan las desigualdades socioespaciales.
Este estudio evalúa el reconocimiento de píldoras en escenarios de pocos ejemplos bajo cambios de dominio visual, concluyendo que aunque la clasificación semántica se adapta rápidamente con muy pocos datos, la precisión en la localización disminuye significativamente en condiciones complejas como el solapamiento, lo que subraya la importancia de utilizar datos de entrenamiento realistas para garantizar la robustez en despliegues reales.
El artículo presenta MAD, un sistema que combina la asignación de memoria con principios de diversidad de software para mitigar las vulnerabilidades de errores en DRAM y ataques RowHammer mediante técnicas de diversificación espacial, ofreciendo una solución fácil de implementar, agnóstica al hardware y con impacto de rendimiento negligible.
Este artículo presenta un modelo topológico basado en la descomposición de Hodge para analizar y gestionar los flujos operativos en plataformas serverless, identificando las armonías estructurales como propiedades inherentes y proponiendo estrategias de remediación como los "efectos de drenaje" para contener ineficiencias sin reestructurar completamente la arquitectura.
El artículo presenta UltrasoundAgents, un marco de razonamiento basado en agentes múltiples jerárquicos y una estrategia de entrenamiento progresivo desacoplado que mejora el diagnóstico de ecografías mamarias al imitar el flujo de trabajo clínico para localizar lesiones, analizar atributos específicos y generar evidencia estructurada y trazable para la clasificación BI-RADS.
El artículo presenta OSUM-Pangu, un modelo fundacional de comprensión de voz de código abierto desarrollado completamente en la plataforma Ascend NPU sin CUDA, que integra un codificador de audio con OpenPangu-7B para lograr un rendimiento comparable a los modelos basados en GPU y fomentar la evolución independiente de la inteligencia multimodal.
El artículo propone DIPE, un mecanismo de codificación posicional que mitiga el desvanecimiento visual en modelos de lenguaje multimodal de gran contexto al eliminar la penalización basada en la distancia entre tokens visuales y textuales, garantizando así una conexión visual estable sin sacrificar el rendimiento en tareas de contexto corto.
Este estudio, basado en una encuesta con estudiantes de proyectos de software, revela que la percepción del sentimiento en los mensajes es inestable, depende fuertemente del contenido específico del enunciado y muestra correlaciones débiles con factores individuales o del proyecto, lo que sugiere precaución al interpretar los resultados del análisis de sentimiento.
El artículo presenta FG-CLTP, un marco de preentrenamiento contrastivo que integra representaciones táctiles de nubes de puntos 3D cuantitativas con lenguaje para superar las limitaciones de los métodos actuales y lograr un control robótico más preciso en tareas de manipulación complejas.
Este artículo presenta BiLaLoRA, un método de desvanecimiento de imágenes reales que combina una pérdida dirigida por texto basada en CLIP para el aprendizaje no supervisado y una estrategia de posicionamiento de capas LoRA de dos niveles para una adaptación eficiente y dirigida.
Este artículo propone una arquitectura jerárquica que combina aprendizaje por refuerzo y control predictivo de modelo para gestionar la locomoción de robots con patas y híbridos, logrando la transferencia cero-shot de simulación a realidad en un robot Centauro de 120 kg sin necesidad de aleatorización de dominios.
El estudio presenta VoxCare, un sistema escalable de sensores auditivos corporales que analiza en tiempo real los patrones de comunicación natural de los profesionales sanitarios sin almacenar audio crudo, revelando cómo estas interacciones reflejan la carga de trabajo y el estrés para mejorar la entrega de cuidados.
El artículo presenta S2D, una nueva metodología que combina un modelo de difusión eficiente y una estrategia de reconstrucción robusta para transformar nubes de puntos dispersas en representaciones 3D densas de alta calidad mediante mallas de Gauss 3D, logrando así una reconstrucción de alta fidelidad con un número mínimo de vistas de entrada.
Este artículo formaliza la selección de respuestas de DNS autoritativo como un dominio semántico acotado por las restricciones del protocolo, demostrando que cualquier mecanismo de selección en tiempo de consulta puede reducirse a una forma normal finita y estableciendo una estructura algebraica que permite un razonamiento preciso sobre la equivalencia y la expresividad entre sistemas heterogéneos.
Este estudio analiza cómo las arquitecturas de redes neuronales convolucionales influyen en la precisión del modelo y examina factores adicionales que afectan la eficiencia computacional en entornos de aprendizaje distribuido, proporcionando perspectivas clave para optimizar su despliegue en escenarios intensivos de recursos.
Este artículo propone un método de inferencia multi-paso sin entrenamiento para la extracción de hablantes objetivo que, utilizando un modelo preentrenado congelado, refina iterativamente la estimación mediante interpolación y selección de candidatos, optimizando métricas intrusivas o no intrusivas (o una combinación de ambas) para lograr mejoras consistentes y un control adaptable en el despliegue práctico.
Este estudio presenta una nueva arquitectura de automatización robótica de procesos (RPA) para la detección de lesiones de cáncer oral que, mediante el uso de patrones de diseño y procesamiento por lotes, logra una mejora de eficiencia de 60 a 100 veces en comparación con los métodos estándar.
Este trabajo presenta un marco de aprendizaje por imitación de por vida que utiliza un espacio latente multimodal para la reproducción de experiencias y un mecanismo de ajuste incremental para estabilizar la adaptación, logrando un nuevo estado del arte en los benchmarks LIBERO con mejoras significativas en el rendimiento y una reducción sustancial del olvido catastrófico.
Este artículo presenta la Huffman-Bucket Sketch (HBS), una estructura de datos simple y fusionable que comprime sin pérdidas un HyperLogLog a un espacio óptimo de bits mediante codificación Huffman dinámica, manteniendo actualizaciones de tiempo constante y reduciendo significativamente los requisitos de memoria.