3477 artículos
El artículo presenta DRIFT, un modelo transformador de doble representación que fusiona características locales y globales mediante una arquitectura de dos vías para mejorar la percepción en la conducción automatizada utilizando nubes de puntos de radar 4D, superando a los métodos existentes en tareas de detección de objetos y estimación de carreteras.
El artículo presenta TemporalDoRA, un método de ajuste fino eficiente en parámetros diseñado para mejorar la robustez y la precisión temporal en la respuesta a preguntas sobre videos quirúrgicos mediante la integración de atención temporal dentro de la adaptación de bajo rango, validado con el nuevo conjunto de datos REAL-Colon-VQA.
Este estudio empírico presenta la primera taxonomía de "olores de interacción" en la generación de código colaborativa con LLMs, analiza su distribución en modelos actuales y propone el marco multiagente InCE para mitigar estos problemas y mejorar el éxito de las tareas en interacciones de múltiples turnos.
El artículo presenta TriFusion-SR, un marco de difusión condicional guiado por wavelets que realiza de forma conjunta la fusión de imágenes médicas tri-modales y la superresolución, superando a los métodos existentes mediante la descomposición de frecuencias y la calibración de coeficientes para lograr mejoras significativas en la calidad perceptual y métricas de precisión.
El artículo presenta ProGS, un nuevo códec que organiza los datos de 3D Gaussian Splatting en una estructura de octree para habilitar una codificación progresiva, logrando una reducción de almacenamiento de 45 veces y una mejora del 10% en la fidelidad visual.
El artículo presenta Robotic Scene Cloning (RSC), un método novedoso que mejora la adaptación cero-shot de robots en entornos reales mediante la edición de trayectorias de operación existentes y la generación de muestras visualmente coherentes, logrando así una generalización de políticas más robusta sin necesidad de recopilación de datos extensa.
El artículo presenta GSStream, un sistema innovador de transmisión de escenas volumétricas basado en 3D Gaussian Splatting que integra predicción de visuales colaborativa y adaptación de bitrate mediante aprendizaje por refuerzo profundo para optimizar la calidad visual y el uso de la red.
El artículo presenta FrameDiT, un modelo de generación de video que introduce el mecanismo de atención matricial a nivel de cuadro para equilibrar la eficiencia y la coherencia temporal, logrando resultados de vanguardia al preservar la estructura espacio-temporal global sin comprometer el rendimiento computacional.
Este artículo introduce el concepto de estabilidad local para medir cómo afectan los cambios menores en los valores de los ítems a su clasificación, proponiendo algoritmos eficientes para aproximar esta métrica y detectar regiones densas, junto con garantías teóricas y validación experimental.
Este artículo formaliza el concepto de rebanadas idempotentes y presenta un algoritmo eficiente para extraerlas en forma GSA, permitiendo una reducción de tamaño de código mediante la fusión de instrucciones no contiguas, lo que logra disminuciones de hasta un 7,24% en ciertos benchmarks de LLVM.
Este trabajo presenta un filtro de Kalman de conjunto regularizado que, mediante inferencia bayesiana, actualiza el estado de modelos de campo de fase para fractura frágil utilizando datos de sensores de desplazamiento, corrigiendo las estimaciones para garantizar la consistencia con las suposiciones del modelo y permitiendo inferir tanto el campo de desplazamientos como el campo de fase.
El artículo presenta WVA, un plano de control de optimización global diseñado para \texttt{llmd} que mejora el rendimiento y reduce los fallos al acoplar decisiones de escalado con el estado interno de los servidores de inferencia, logrando una mayor eficiencia en hardware heterogéneo en comparación con los autoscalers tradicionales.
El artículo presenta FetalAgents, el primer sistema multiagente diseñado para analizar imágenes y videos de ecografías fetales mediante la coordinación dinámica de expertos visuales especializados, logrando un rendimiento superior en diagnóstico, medición y segmentación, además de generar informes clínicos estructurados a partir de flujos de video completos.
Este artículo propone un marco de programación basado en tareas que garantiza la frescura de los datos en sistemas autónomos mediante la sincronización de offsets de ejecución y la descomposición de grafos de dependencias, logrando así una latencia mínima y una eficiencia de recursos sin comprometer la capacidad de programación global.
Este artículo presenta SACA, un marco de alineación contrastiva sensible a los pasos que mejora la navegación visión-lenguaje en entornos continuos al extraer supervisión densa de trayectorias imperfectas para resolver los problemas de errores acumulativos y recompensas dispersas que limitan a los modelos actuales.
El artículo presenta ENIGMA-360, un nuevo conjunto de datos sincronizado de vistas egocéntrica y exocéntrica grabado en un entorno industrial real y etiquetado para facilitar la comprensión del comportamiento humano mediante tareas como la segmentación temporal de acciones, el reconocimiento de pasos clave y la detección de interacciones persona-objeto.
El artículo presenta LAP, un modelo de planificación que utiliza un modelo de lenguaje-visión para convertir observaciones visuales en descripciones textuales más distintivas y generar secuencias de acciones mediante un modelo de difusión, logrando así un rendimiento superior en la planificación de procedimientos para videos instruccionales.
Este artículo presenta un robot continuo impulsado por tendones y resorte, inspirado en la locomoción de las orugas, que integra sensores de contacto tipo cerdas para permitir la exploración y percepción de superficies en espacios confinados mediante un brazo robótico comercial.
El artículo demuestra que minimizar la longitud de la arista más larga en la incrustación geométrica simultánea de dos caminos en una cuadrícula entera es NP-duro, mientras que presenta un algoritmo de tiempo para minimizar el perímetro de la cuadrícula cuando un camino es -monótono y el otro es -monótono.
Este artículo argumenta que los videojuegos comerciales constituyen un entorno de investigación subutilizado pero ideal en la intersección de la interacción humano-computadora y la ciencia cognitiva, ofreciendo una validez ecológica superior a los paradigmas de laboratorio tradicionales para estudiar procesos como la percepción, la atención y la función ejecutiva mediante un marco de mapeo de affordances y herramientas observacionales mínimas.