5308 artículos
Este artículo presenta un marco robusto de aprendizaje profundo para el reconocimiento de matrículas en bengalí que combina YOLOv8 con una estrategia de entrenamiento adaptativa para la localización y un modelo ViT+BanglaBERT para la extracción de texto, logrando una precisión del 97,83% y demostrando alta eficacia en diversas condiciones reales.
El artículo presenta SpecOps, un marco de prueba totalmente automatizado que utiliza agentes de IA especializados para evaluar de manera eficiente y precisa la robustez y detectar errores en agentes de GUI del mundo real, superando a enfoques existentes en precisión y costo.
El artículo presenta HiFIVE, un marco de gestión de datos que aborda el problema de reducción de teselas visualmente consciente mediante una solución de dos etapas para lograr visualizaciones geoespaciales interactivas de alta fidelidad y escalables en el lado del cliente.
Este artículo presenta un sistema de Entropía Cuántica como Servicio (QEaaS) para dispositivos embebidos que, al combinar un servidor de entropía cuántica con protocolos post-cuánticos en el cliente, logra que el intercambio de claves y la autenticación sean hasta un 63% más rápidos que las soluciones clásicas en hardware ESP32.
El artículo presenta UF-OPS, un método de guiado en línea sin actualizaciones que utiliza funciones verificadoras entrenadas con datos de simulación para predecir el éxito de las acciones y ajustar la política base en tiempo de ejecución, logrando una mejora promedio del 49% en la tasa de éxito en tareas de manipulación robótica reales sin modificar los parámetros del modelo original.
Este artículo estudia las zonas de exclusión y la distorsión del voto de segunda vuelta instantánea (IRV) en grafos no ponderados, demostrando que la verificación y el cálculo de estas zonas son problemas tratables en polinomial para árboles mediante programación dinámica, mientras que permanecen NP-duros en grafos generales y para reglas de eliminación que satisfacen la propiedad de eliminación forzada fuerte.
El artículo presenta DeepIntuit, un marco que transforma la clasificación de video de instancias abiertas de la mera imitación a la intuición intrínseca mediante la alineación supervisada, la optimización de políticas grupales y una etapa de calibración intuitiva para superar las limitaciones de los modelos tradicionales ante variaciones complejas en datos del mundo real.
El artículo presenta ReST-RL, un marco de aprendizaje por refuerzo jerárquico que desacopla la locomoción de la estabilización de la carga para permitir que humanoides transporten objetos inestables con alta precisión y robustez, logrando una generalización exitosa de simulación a realidad en el hardware Unitree G1.
Este estudio preliminar aplica el Análisis de Redes de Transición a datos de seguimiento ocular en simulaciones de reanimación cardiopulmonar con realidad virtual para demostrar que la atención visual de los equipos clínicos se redistribuye dinámicamente según los roles y las fases del escenario, ofreciendo una herramienta valiosa para modelar la conciencia situacional y mejorar el entrenamiento en cuidados agudos.
El artículo presenta PRoADS, un marco de esteganografía de audio basado en modelos de difusión que logra una seguridad probada y una alta robustez mediante la proyección de mensajes secretos en el ruido inicial y la optimización de la inversión mediante técnicas de Latent Optimization y Backward Euler, logrando una tasa de error de bits extremadamente baja del 0,15% incluso bajo compresión MP3.
Este estudio demuestra empíricamente que las marcas de agua de IA generativa en dominios espaciales y latentes poseen vulnerabilidades ortogonales y mutuamente excluyentes frente a herramientas de edición modernas, revelando la insuficiencia de los enfoques de un solo dominio y la necesidad urgente de arquitecturas criptográficas multi-dominio para garantizar la procedencia digital.
Este artículo presenta FC-4DFS, un método de síntesis de expresiones faciales 4D que utiliza una red LSTM controlada por frecuencia y una red de desplazamiento consciente de la identidad para generar secuencias flexibles, suaves y de alta calidad a partir de puntos de referencia neutros.
El artículo presenta "Fuel Gauge", un método pionero que estima anticipadamente la longitud del razonamiento (Chain-of-Thought) en modelos multimodales grandes mediante un parámetro oculto de "combustible", lo que permite optimizar la asignación de memoria y ajustar la longitud del razonamiento para mejorar la eficiencia y la precisión.
Este artículo presenta LM-4DGAN, un modelo generativo que utiliza hitos faciales neutros, un discriminador de identidad y un mecanismo de atención cruzada para sintetizar expresiones faciales 4D robustas ante cambios de identidad.
El artículo presenta AgentServe, un sistema de inferencia diseñado para ejecutar múltiples agentes de IA de manera estable en una sola GPU de consumo mediante el aislamiento de fases de prellenado y decodificación, logrando mejoras significativas en la estabilidad de la latencia y el rendimiento en comparación con enfoques anteriores.
El artículo presenta EmoStory, un marco de dos etapas que integra planificación basada en agentes y generación consciente de regiones para crear historias visuales coherentes y consistentes en el sujeto que incorporan explícitamente direcciones emocionales, superando a los métodos actuales en precisión emocional y alineación con el prompt.
Este artículo presenta un marco de control en lazo cerrado que utiliza una variedad de equilibrio parametrizada y una estrategia híbrida de estimación háptica (haptic SLAM) para lograr una manipulación adaptativa y robusta en interacciones mediadas por herramientas, validado mediante más de 260 pruebas reales de aflojado de tornillos.
El artículo presenta S-HPLB, una estrategia de balanceo de carga que aprovecha la elasticidad de dispersión heterogénea pero estable entre las cabezas de atención para asignar presupuestos de dispersión adaptativos, logrando una mejora de 2.88 veces en la latencia de computación sin degradar la calidad de la inferencia.
El artículo presenta StyleGallery, un marco de transferencia de estilo personalizado, sin entrenamiento y consciente del semántico que supera las limitaciones de los métodos existentes al permitir el uso de referencias arbitrarias mediante segmentación semántica adaptativa, coincidencia de regiones agrupadas y optimización guiada por energía para lograr una estilización precisa y una preservación estructural superior.
Este artículo propone un marco unificado que manipula tokens visuales mediante calibración sinérgica y causal para corregir las alucinaciones de los modelos multimodales grandes, mejorando la precisión en benchmarks como POPE sin requerir reentrenamiento y con un sobrecosto de inferencia mínimo.