5141 artículos
El artículo presenta InstantSfM, un sistema global de Fotogrametría desde el Movimiento (SfM) totalmente nativo de GPU y compatible con PyTorch que integra profundidades métricas como priores para resolver la ambigüedad de escala, logrando una aceleración de hasta 40 veces frente a COLMAP en escenas a gran escala sin sacrificar la precisión de reconstrucción.
UltraGen es un marco novedoso que permite la generación eficiente y escalable de imágenes ultra de alta resolución (superiores a 8K) mediante una atención local jerárquica con guía global de baja resolución, logrando una reducción de la complejidad computacional a casi lineal, un uso de memoria significativamente menor y una aceleración de más de 10 veces en comparación con los modelos de difusión actuales.
El paper presenta REALM, un marco innovador basado en agentes MLLM que realiza segmentación y edición 3D en entornos abiertos sobre representaciones de Gaussian Splatting mediante una estrategia de anclaje espacial de global a local para interpretar instrucciones complejas sin necesidad de un entrenamiento específico extenso.
Este artículo aborda la maximización de la opinión pública en redes sociales mediante la modificación estratégica de las opiniones internas de nodos clave, proponiendo algoritmos eficientes basados en muestreo y un método determinista asíncrono que supera a las técnicas tradicionales en velocidad y precisión, incluso en redes de gran escala.
Este estudio demuestra que los nodos superpuestos en estructuras de círculos dentro de redes complejas ejercen una influencia significativamente mayor que los nodos no superpuestos durante procesos de contagio simple y complejo, destacando su importancia estratégica en la dinámica de difusión.
El artículo presenta Compiler.next, un compilador basado en búsqueda diseñado para la era de la Ingeniería de Software 3.0 que transforma intenciones humanas en software funcional mediante la optimización dinámica de arquitecturas cognitivas y modelos de IA, democratizando así el desarrollo de software y permitiendo sistemas automatizados, escalables y adaptativos.
El artículo presenta ADC-SID, un marco que mejora la generación de identificadores semánticos robustos en sistemas de recomendación mediante la descomposición adaptativa del ruido colaborativo y la ponderación dinámica de los identificadores conductuales para mitigar los sesgos de la cola larga.
El artículo presenta EyeAgent, el primer marco de IA agéntica para el soporte de decisiones clínicas en oftalmología, que integra un modelo de lenguaje grande con 53 herramientas validadas para ofrecer diagnósticos interpretables y precisos, mejorando significativamente el rendimiento tanto de los sistemas automatizados como de los oftalmólogos, especialmente los menos experimentados.
El artículo evalúa varios códecs de compresión de audio comunes mediante mediciones de rendimiento, visualizaciones y puntuaciones PEAQ para demostrar que, al elegir un códec, los usuarios deben considerar no solo la eficiencia de compresión sino también la calidad perceptual sónica.
El artículo presenta X-WIN, un modelo de mundo para radiografías de tórax que supera las limitaciones de las imágenes 2D al aprender a predecir proyecciones en un espacio latente distilando conocimiento volumétrico de tomografías computarizadas (CT), lo que permite una representación más rica del anatomía 3D y un rendimiento superior en diversas tareas de diagnóstico médico.
El artículo presenta MergeVLA, un modelo agente generalista de visión-lenguaje-acción que supera las limitaciones de fusión de expertos mediante una arquitectura diseñada para la fusión, que utiliza adaptadores LoRA activados de forma dispersa y bloques de atención cruzada para lograr un rendimiento robusto y generalizable en múltiples habilidades y entornos robóticos.
El artículo presenta COVec, un marco de vectorización consciente de la iluminación que, inspirado en el principio de claroscuro, introduce por primera vez la descomposición de imágenes intrínsecas en el dominio vectorial para lograr una mayor fidelidad visual y editabilidad en imágenes del mundo real.
El artículo presenta AD-R1, un marco de aprendizaje por refuerzo en bucle cerrado que utiliza un Modelo Mundial Imparcial entrenado mediante síntesis contrafactual para predecir con honestidad los peligros y reducir las violaciones de seguridad en la conducción autónoma.
El artículo presenta TEAR, un marco de red teaming automatizado y consciente del tiempo diseñado para identificar riesgos de seguridad en modelos de texto a video mediante la explotación de dinámicas temporales, logrando una tasa de éxito de ataque superior al 80% en diversos sistemas.
Este artículo presenta algoritmos aleatorizados que mejoran los tiempos de ejecución existentes para calcular aproximaciones de la máxima clique en grafos de discos, logrando tiempos casi lineales para grafos de discos unitarios y esquemas de aproximación parametrizados para grafos con radios distintos.
Este trabajo presenta AEIC, un marco de compresión de imágenes asimétrico que utiliza un codificador ligero y un decodificador basado en difusión de un solo paso para lograr una alta fidelidad perceptual a tasas de bits ultra-bajas, superando a los métodos existentes en eficiencia de codificación y rendimiento.
Este trabajo presenta un sistema de control basado en aprendizaje por refuerzo para un manipulador aéreo subactuado ligero, que logra un control preciso de la pose del efector final en seis grados de libertad y una operación robusta ante perturbaciones externas mediante la combinación de un agente PPO con controladores INDI y PID.
SVBench es el primer benchmark diseñado para evaluar la capacidad de razonamiento social de los modelos de generación de video, demostrando mediante una evaluación a gran escala que, aunque estos sistemas han mejorado en realismo visual, aún carecen de la comprensión psicológica y causal necesaria para generar comportamientos socialmente coherentes.
Este trabajo presenta Cosmos-H-Surgical, un modelo de mundo que aprovecha videos quirúrgicos no etiquetados y un modelo de dinámica inversa para generar datos sintéticos de acción-observación, permitiendo entrenar políticas de robots quirúrgicos que superan a las basadas únicamente en demostraciones reales.
El artículo presenta AFTER, un método que mitiga las alucinaciones de objetos en los modelos de lenguaje y visión grandes mediante la edición adaptativa de activaciones guiada por hechos, combinando la dirección de activación aumentada con hechos y la optimización de desplazamiento adaptativa a la consulta para corregir los sesgos lingüísticos y mejorar la precisión factual.