3451 artículos
Este artículo demuestra que la selección estratégica de un subconjunto específico de hitos corporales, combinada con técnicas de imputación, permite reconocer signos aislados de la LIBRAS con una precisión comparable o superior a los métodos actuales mientras reduce el tiempo de procesamiento en más de cinco veces.
El artículo presenta FRIDA, un marco ligero y eficiente que utiliza características de modelos de difusión preentrenados para detectar imágenes generadas por IA y atribuir su fuente con alto rendimiento en escenarios de generalización cruzada.
El artículo presenta EgoMI, un marco que supera la brecha de encarnación en el aprendizaje por imitación al capturar trayectorias sincronizadas de manos y cabeza activa de demostraciones humanas, permitiendo a robots semihumanoides replicar estrategias de fijación visual dinámica mediante una política aumentada con memoria para lograr una manipulación robusta.
El artículo presenta SPAN, un nuevo enfoque de alineación de proyección espacial que mejora la detección 3D monocular al imponer restricciones espaciales globales y de proyección 2D-3D para corregir la inconsistencia geométrica inherente a los paradigmas de predicción desacoplada, logrando así un rendimiento superior mediante una estrategia de aprendizaje jerárquico.
El artículo presenta V-Attack, un método novedoso que logra ataques adversarios controlables y precisos en Modelos Grandes de Visión y Lenguaje (LVLM) al manipular las características de valor (V) desentrelazadas en lugar de las representaciones de parches enredadas, logrando una tasa de éxito de ataque un 36% superior a los métodos existentes.
El artículo presenta AFRO, un marco de aprendizaje auto-supervisado que genera representaciones 3D conscientes de la dinámica mediante un proceso difusivo y la modelación conjunta de dinámicas directas e inversas, logrando un rendimiento superior en tareas de manipulación robótica sin necesidad de supervisión de acciones o reconstrucción geométrica explícita.
Este trabajo presenta el primer marco formal para Modelos de Mundo Audiovisuales (AVWM), introduciendo el conjunto de datos AVW-4k y el modelo AV-CDiT para simular dinámicas ambientales sincronizadas en audio y visión, lo que mejora significativamente la planificación y navegación de agentes en entornos multisensoriales.
El artículo demuestra que un método exacto sencillo resuelve casi todas las instancias clásicas de referencia del problema del viajante con ventanas de tiempo en menos de diez segundos, lo que indica que estas ya no son representativas para evaluar algoritmos ni para diseñar conjuntos de entrenamiento difíciles para aprendizaje automático.
Este artículo presenta AVGGT, un método de aceleración sin entrenamiento que analiza y reestructura la atención global en modelos como VGGT y mediante la conversión de capas tempranas y el muestreo de tokens, logrando aceleraciones de inferencia de hasta 10 veces en secuencias largas sin sacrificar la precisión.
El artículo presenta UniBYD, un marco unificado que supera las limitaciones de la imitación humana en la manipulación robótica mediante un algoritmo de aprendizaje por refuerzo dinámico y una representación morfológica unificada, logrando un rendimiento superior al estado del arte al adaptar las políticas a las características físicas específicas de diversos robots.
Este artículo presenta un marco de aprendizaje auto-supervisado llamado "Decomposition and Composition" que aborda el equilibrio entre eficiencia y rendimiento en la comprensión de acciones humanas multimodales mediante la descomposición de características fusionadas y su composición guiada, logrando resultados superiores en conjuntos de datos estándar con menor costo computacional.
Este trabajo introduce DivGenBench para cuantificar el colapso de modo de preferencia en modelos de difusión y propone D²-Align, un marco de alineación que mitiga este problema mediante la corrección direccional de la señal de recompensa para preservar la diversidad generativa sin sacrificar la calidad.
Este artículo presenta Preguss, un marco modular que combina análisis estático y modelos de lenguaje grandes para sintetizar especificaciones formales y verificar automáticamente la ausencia de errores en tiempo de ejecución en programas a gran escala, reduciendo significativamente el esfuerzo humano necesario.
Este artículo presenta una revisión estructurada de las comunicaciones semánticas digitales seguras, aclarando sus fundamentos y diferencias arquitectónicas frente a las analógicas, analizando sus amenazas específicas y proponiendo defensas y direcciones de investigación para sistemas seguros y desplegables.
El artículo propone SeLop, un método de intervención en subespacio ortogonal de bajo rango que elimina las correlaciones espurias irrelevantes para la falsificación en las representaciones de CLIP, logrando así una detección de falsificaciones faciales más robusta y generalizable con un mínimo número de parámetros entrenables.
Este artículo propone un enfoque centrado en objetivos para evaluar los métodos de ingeniería de requisitos destinados al Privacidad por Diseño, argumentando que su selección debe alinearse con las metas organizacionales en lugar de limitarse a las características del proceso.
El artículo presenta CovertComBench, un nuevo banco de pruebas especializado para evaluar las capacidades de los Grandes Modelos de Lenguaje (LLM) en comunicaciones encubiertas inalámbricas, revelando que, aunque son eficaces en tareas conceptuales y de generación de código, carecen de la fiabilidad necesaria para realizar las derivaciones matemáticas complejas exigidas por las garantías de seguridad.
Este estudio presenta un marco de aprendizaje débilmente supervisado que utiliza preentrenamiento a nivel de parche para mejorar la detección y el conteo de caribúes en entornos árticos complejos, logrando una mayor precisión y robustez en comparación con los métodos tradicionales basados en pesos genéricos.
Este artículo propone un método de detección de imágenes generadas por IA que explota los componentes finales compartidos por diversos generadores, logrando una alta generalización y una precisión promedio del 98,83% al clasificar imágenes de generadores no vistos.
El artículo presenta RegionReasoner, un marco de aprendizaje por refuerzo que mejora el razonamiento visual iterativo mediante la exigencia de citas explícitas de cajas delimitadoras y una recompensa de consistencia semántica global-local, validado en un nuevo benchmark llamado RegionDial-Bench que abarca tareas de detección y segmentación.