2358 artículos
Este artículo presenta un conjunto de datos fiable de movimientos de tenis de mesa y propone un modelo de red neuronal convolucional de grafo espacio-temporal que predice eficazmente las posiciones de las articulaciones ocluidas para mejorar la precisión del reconocimiento de movimiento bajo oclusión de extremidades.
Este artículo propone un modelo de Aprendizaje de Transformadores basado en Redes Generativas Antagónicas de Ciclo con Núcleo Gaussiano Lineal (LGKCGAN-TL) que integra la eliminación de ruido de imágenes, el aumento de datos basado en GAN y el Aprendizaje de Transformadores Correlativos de Rosenthal para lograr una predicción de accidente cerebrovascular en etapa temprana de alta precisión y baja latencia mediante el aprovechamiento de datos de conjuntos de datos de Parkinson y enfermedades de la piel.
Este estudio utiliza una plataforma de investigación apoyada por IA para demostrar que las soluciones híbridas humano-IA son el enfoque preferido y equilibrado con mayor frecuencia en la toma de decisiones de la ingeniería de software, logrando una alta creatividad mientras se mantiene una precisión y confianza comparables a las soluciones de solo humanos, sugiriendo así que la educación en ingeniería debería centrarse en integrar la IA como una herramienta colaborativa en lugar de un sustituto del juicio humano.
Este artículo propone un marco de representación de características espacio-temporales híbrido que integra características basadas en contraste, de nivel de objeto y de nivel de escena para mejorar la capacidad discriminativa y la consistencia temporal, demostrando un mejor rendimiento en la sumarización de video en los conjuntos de datos TVSum y SumMe en comparación con los enfoques convencionales.
Este artículo propone un método de generación de texturas de malla de difusión dual que integra la percepción geométrica multimodal para superar las distorsiones del mapeo UV y los límites de resolución, mejorando significativamente el realismo visual, la consistencia geométrica y la diversidad de las texturas 3D generadas en comparación con los enfoques existentes.
Este artículo propone QRISP, un marco de representación de imágenes cuánticas eficiente en recursos e independiente de la resolución que codifica imágenes mediante descriptores de bloques estadísticos para reducir significativamente la complejidad del circuito y los requisitos de cúbits para el hardware NISQ, manteniendo al mismo tiempo un rendimiento de clasificación competitivo.
Este artículo propone un marco unificado de doble rama que optimiza conjuntamente la fusión de imágenes médicas trimodales y la superresolución mediante el empleo de ramas especializadas de estructura y función con un módulo de atención cruzada bidireccional para mejorar la integración de características complementarias y producir representaciones fusionadas de alta calidad.
El artículo propone LACL-OCR, un marco de OCR de documentos ligero que mejora el rendimiento mediante la combinación de una estrategia de aprendizaje curricular basada en heurísticas para organizar el entrenamiento desde muestras fáciles a difíciles con una novedosa función de pérdida consciente del diseño (Layout-Aware Loss), logrando resultados de vanguardia en OmniDocBench sin aumentar los parámetros del modelo ni los costos de inferencia.
Este artículo sostiene que lograr la justicia lingüístico-epistémica para el isiZulu y otras lenguas africanas en la educación mediada por IA requiere ir más allá de la mera generación de texto para establecer un marco de gobernanza que trate a estas lenguas como infraestructuras válidas para el razonamiento, la identidad y la autoridad intelectual mediante una representación de datos equitativa, la agencia docente y la responsabilidad institucional.
Este estudio establece un marco de selección de modelos consciente de la complejidad para sustitutos de simulación estructural al demostrar que, mientras que los modelos basados en descriptores son suficientes para geometrías simples, las redes neuronales de grafos basadas en mallas se vuelven necesarias y significativamente más precisas a medida que la complejidad topológica aumenta, definiendo así un límite graduado para la elección óptima del sustituto.