3854 artículos
Este artículo propone SO6D, un nuevo método que combina la codificación de octree sensible a la simetría con la votación de Hough y el refinamiento iterativo para lograr la estimación de pose 6D de vanguardia para objetos industriales simétricos y sin textura.
Este artículo propone un marco de aprendizaje multitarea flexible que unifica arquitecturas de red neuronal convolucional (CNN) 2D y 3D para realizar simultáneamente la clasificación de osteoartritis de rodilla y la segmentación de menisco/cartílago, demostrando que la variante 2D supera a las líneas base 3D en precisión, velocidad de convergencia y eficiencia computacional en un conjunto de datos de RM a gran escala.
Este artículo presenta un novedoso sistema de detección panorámica multivista monocular que captura múltiples perspectivas en una sola exposición para lograr una reconstrucción de forma 3D de alta precisión y en tiempo real mediante el recorrido de coordenadas polares de vóxeles de contorno, superando eficazmente desafíos como las superficies sin textura y las configuraciones de cámara complejas.
Este artículo propone MEFD-Net, un modelo de fusión de características de EEG multimodal que integra un BiLSTM mejorado, convoluciones multiescala adaptativas con autoatención y redes puramente convolucionales para lograr una detección de fatiga al conducir robusta y de extremo a extremo con una precisión, exhaustividad y puntuaciones F1 significativamente mejoradas en comparación con los métodos existentes.
Este estudio empírico demuestra que, si bien la transición de la inferencia de LLM locales de CPU a GPU mejora drásticamente la eficiencia energética y la velocidad, introduce un no determinismo inducido por el hardware que degrada la calidad del código en escenarios de 0-shot, un desafío mitigado eficazmente mediante el uso de prompting de 3-shot para asegurar una generación de código estable y sostenible.
El artículo propone el Enrutamiento de Frecuencia Dinámico Consciente de la Degradación para la Mejora de Imágenes Subacuáticas (DAFR-UIE, por sus siglas en inglés), un marco compacto que utiliza una incrustación de degradación compartida para coordinar dinámicamente el enrutamiento de frecuencia, la modulación espacial y la fusión adaptativa para la restauración específica de cada muestra, logrando un rendimiento de vanguardia en conjuntos de datos de referencia con solo 2.02 millones de parámetros.
Este artículo introduce la "documentación de fuente a afirmación" como un marco para auditar la IA generativa en la investigación cualitativa al vincular explícitamente la evidencia de la fuente con las interacciones del modelo y las afirmaciones analíticas, preservando así la ruta de evidencia necesaria para el reanálisis y el juicio humano.
Este estudio propone un marco de fusión de datos de múltiples fuentes que integra datos geomagnéticos, de trayectoria y de señalización con agrupamiento avanzado basado en cuadrículas, análisis de redes bayesianas y un modelo CNN-BiLSTM mejorado con autoatención para identificar, predecir y controlar con precisión la congestión del tráfico urbano, tal como lo valida un estudio de caso en Jinan.
Este estudio demuestra que los métodos de atribución post-hoc para predicciones de series temporales clínicas a menudo producen desacuerdos materialmente inconsistentes y clínicamente trascendentales, lo que sugiere que la auditoría calibrada por consecuencias es más valiosa que la búsqueda de un método de explicación universalmente preferido.
Este artículo presenta SCD-E2S, una aplicación móvil basada en aprendizaje profundo para la detección del cáncer de piel que aprovecha una arquitectura EfficientNetV2-S con mecanismos de atención, preprocesamiento avanzado y una estrategia de entrenamiento de dos etapas para lograr más del 97% de precisión y asistir a los dermatólogos en la toma de decisiones clínicas.