90 artículos
Este artículo propone una técnica de compresión de imágenes basada en modelos que utiliza la síntesis de nuevas vistas y la optimización por descenso de gradiente para aprovechar la información previa de la misión, logrando así una compresión superior y robusta para la transmisión en tiempo real de vehículos operados remotamente sin cableado en entornos submarinos.
Este artículo propone un marco de comunicación semántica adaptativa que ajusta dinámicamente la tasa de transmisión según las condiciones del canal y la entropía del contenido, utilizando un modelo de lenguaje multimodal (MLLM) para compensar las características descartadas y optimizar así el uso de recursos y el rendimiento en canales de desvanecimiento Rayleigh MIMO.
El artículo presenta LiM-YOLO, un detector de objetos optimizado para la detección de barcos en imágenes de teledetección óptica que logra un rendimiento superior con menos parámetros mediante el desplazamiento de los niveles de la pirámide de características (de P3-P5 a P2-P4) para preservar detalles de objetivos pequeños y la incorporación de un bloque de normalización por grupos para estabilizar el entrenamiento.
Este artículo presenta un marco nativo cuántico para la coincidencia de imágenes en computadoras cuánticas de átomos neutros que convierte las imágenes en nubes de puntos esparsas, las codifica físicamente en la interacción de van der Waals de un dispositivo Rydberg y genera un "huella digital" cuántica invariable mediante la estructura estática y las correlaciones, logrando así un reconocimiento de objetos industriales con un número reducido de átomos y sentando las bases para el aprendizaje automático cuántico.
El artículo presenta CoPeDiT, un modelo de difusión latente basado en transformadores que utiliza percepción de completitud autoaprendida para sintetizar de manera unificada y robusta imágenes de resonancia magnética 3D, superando las limitaciones de los métodos existentes al eliminar la dependencia de guías externas manuales.
Este artículo propone un marco probabilístico de dos etapas que combina la reconstrucción de observaciones de incendios parciales mediante diversos modelos de aprendizaje profundo con la predicción de su propagación, logrando así mitigar significativamente el impacto de la observabilidad parcial y restaurar la precisión de las previsiones a niveles cercanos a los de datos limpios.
El artículo presenta M2Diff, un modelo de difusión multi-modality y multi-tarea que mejora la reconstrucción de imágenes de PET de baja dosis utilizando datos de MRI para preservar características específicas de cada modalidad y fusionarlas jerárquicamente, logrando así una mayor fidelidad en pacientes sanos y con enfermedad de Alzheimer.
El artículo presenta DFPF-Net, una red de fusión progresiva dinámicamente enfocada que combina una red siamesa basada en transformadores de visión piramidal con un módulo de enfoque de cambio dinámico para superar las limitaciones locales y globales en la detección de cambios en imágenes de teledetección, logrando un rendimiento superior en cuatro conjuntos de datos.
El artículo presenta MetaSpectra+, una cámara compacta de metasuperficie que captura en un solo disparo datos hiperespectrales de banda ancha combinados con imágenes HDR o de polarización, superando a los sistemas anteriores en longitud, rango espectral y precisión de reconstrucción.
Este trabajo presenta mejoras en el marco POLISH para la reconstrucción de imágenes interferométricas de radio mediante aprendizaje profundo, utilizando estrategias de parches y transformaciones de intensidad para lograr imágenes de gran campo y alto rango dinámico que permiten descubrir significativamente más lentes gravitacionales fuertes en futuras encuestas astronómicas.
Este estudio demuestra que la progresión radiológica de la fibroelastosis pleuroparenquimatosa (PPFE) en poblaciones de cribado de cáncer de pulmón se asocia independientemente con un mayor riesgo de mortalidad y morbilidad respiratoria, lo que sugiere su utilidad como biomarcador de imagen para identificar a individuos de alto riesgo.
El artículo presenta KV-Lock, un marco de entrenamiento gratuito para modelos de difusión de video basados en DiT que sincroniza dinámicamente el bloqueo de claves y valores del fondo con la escala de guía condicional para mejorar la calidad del primer plano manteniendo la consistencia del fondo.
El artículo presenta -Occ, un marco innovador que mejora la predicción de ocupación semántica 3D para la conducción autónoma al manejar entradas de cámaras incompletas mediante la reconstrucción de vistas faltantes y el uso de una memoria de características, logrando así una mayor robustez y precisión incluso en escenarios con múltiples vistas perdidas.
El artículo presenta PanoAffordanceNet, un marco innovador y un nuevo conjunto de datos (360-AGD) diseñados para superar los desafíos de la percepción global en entornos interiores de 360°, permitiendo una fundamentación holística de las affordances mediante la corrección de distorsiones geométricas y la alineación semántica a escala.
CycleULM es un marco unificado de aprendizaje profundo sin etiquetas que utiliza una traducción de dominio basada en CycleGAN para superar las limitaciones de datos y simulación en la microscopía de localización por ultrasonido, logrando mejoras significativas en la resolución, la precisión de localización de microburbujas y la velocidad de procesamiento en tiempo real.
El artículo presenta PiVOT, un nuevo mecanismo de visual prompting que aprovecha el modelo fundacional CLIP para generar y refinar dinámicamente indicaciones visuales en línea, mejorando así la capacidad de los rastreadores de objetos genéricos para suprimir distracciones y distinguir el objetivo de su entorno.
Este artículo presenta un modelo de difusión agnóstico al problema basado en la estimación del máximo a posteriori (MAP) que, al dividir la función de puntuación condicional en un término incondicional preentrenado y un término guiado estimado mediante una nueva metodología, mejora la preservación de estructuras y la coherencia en tareas de procesamiento de imágenes como la superresolución y la inpainting.
Este estudio presenta un algoritmo que fusiona imágenes de resonancia magnética multimodal (T1, T2, T1ce y FLAIR) mediante técnicas de segmentación 2D/3D con U-Net y promedios ponderados, logrando una clasificación de subclases de gliomas con una precisión del 99,25% utilizando un modelo ResNet50.
Este estudio propone un enfoque de aprendizaje profundo basado en arquitecturas como UNET, Inception y ResNet para la segmentación automática de gliomas en imágenes de resonancia magnética 2D y 3D, logrando una alta precisión y equilibrio entre eficiencia computacional y exactitud espacial que supera las limitaciones de los métodos tradicionales.
Este trabajo propone un modelo de aprendizaje profundo geométrico basado en transformadores que utiliza mallas tetraédricas y puntos de referencia anatómicos para mejorar el diagnóstico de la enfermedad de Alzheimer y predecir la positividad de amiloide cerebral en pacientes de riesgo medio, evitando así la necesidad de costosos y invasivos escáneres PET.