5317 artículos
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.
Este artículo presenta el Autoencoder Geométrico (GAE), un marco principiado que integra priors de modelos fundacionales de visión y una normalización latente para superar las limitaciones heurísticas actuales, logrando un equilibrio superior entre compresión, profundidad semántica y estabilidad de reconstrucción en modelos de difusión latente.
El paper "GeoSense" presenta un marco que dota a los Modelos de Lenguaje Multimodal Grandes (MLLM) de la capacidad de percibir la insuficiencia perceptiva y activar autónomamente características geométricas solo cuando son necesarias, mejorando así el razonamiento espacial sin comprometer la eficiencia ni la capacidad de razonamiento visual 2D.
Este artículo implementa y evalúa un modelo de difusión condicional para la predicción de retornos de activos, revelando una clara compensación entre sesgo y varianza en la dimensionalidad de los factores que permite identificar un número intermedio óptimo para construir carteras con mejor rendimiento fuera de muestra que las estrategias de referencia.
Este artículo analiza las graves vulnerabilidades de seguridad de la plataforma de agentes de código OpenClaw frente a instrucciones maliciosas y propone una capa de defensa colaborativa humano-en-el-bucle (HITL) que mejora significativamente su tasa de protección al interceptar ataques que el sistema nativo no puede detener.
Este artículo presenta una demostración de un ataque de suplantación de sensores en satélites mediante componentes comprometidos de la cadena de suministro, que logra engañar tanto a los sistemas de navegación a bordo como a las estaciones terrestres, subrayando la necesidad urgente de contramedidas como la autenticación de telemetría y el monitoreo de la procedencia de los componentes.
El artículo presenta ScanDP, un marco de escaneo 3D eficiente en datos que utiliza una política de difusión y mapeo de cuadrícula de ocupación para imitar estrategias humanas, logrando una mayor generalización, robustez al ruido y eficiencia en la cobertura de objetos no vistos en comparación con los métodos existentes.
Este estudio presenta AnimaStand, un soporte que anima los teléfonos móviles para actuar como facilitadores corporales en discusiones grupales presenciales, demostrando que estas expresiones dinámicas mejoran la reactivación de miembros inactivos, la dinámica del grupo y el rendimiento de la tarea.
Este artículo propone OCpose, una nueva métrica de evaluación para la estimación de poses de múltiples personas que utiliza el transporte óptimo para equilibrar equitativamente la detección de verdaderos y falsos positivos, independientemente de sus puntuaciones de confianza, mientras aprovecha dichas puntuaciones para mejorar la fiabilidad del emparejamiento.
Este artículo presenta SpatioCoupledNet, un método de control de forma híbrido que combina cinemática y aprendizaje profundo para mejorar la estabilidad, precisión y convergencia de robots hiper-redundantes flexibles en entornos no estructurados.
Este artículo presenta un nuevo método de pérdida que utiliza estimación de densidad de kernel para calibrar la incertidumbre en los predictores de trayectorias gaussianos, mejorando así la seguridad y el rendimiento de la planificación de movimiento autónomo en entornos complejos.
El artículo presenta "Motion Forcing", un marco de generación de video que decouplea el razonamiento físico de la síntesis visual mediante una jerarquía "Punto-Forma-Apariencia" y una estrategia de recuperación de puntos enmascarados para lograr alta calidad, consistencia física y control preciso incluso en escenas complejas.