⚡ Category

eess.IV

93 artículos

Hybrid eTFCE-GRF: Exact Cluster-Size Retrieval with Analytical p-Values for Voxel-Based Morphometry

Este artículo presenta el método híbrido eTFCE-GRF, que combina la estructura union-find de eTFCE para recuperar tamaños de clúster exactos con la inferencia analítica de campos aleatorios gaussianos (GRF) de pTFCE, logrando así un control preciso del error familiar y una aceleración masiva (hasta 1000 veces) en comparación con las pruebas de permutación tradicionales para la morfometría basada en voxel.

Don Yin, Hao Chen, Takeshi Miki, Boxing Liu, Enyu YangFri, 13 Ma⚡ eess

Deep Learning-based Assessment of the Relation Between the Third Molar and Mandibular Canal on Panoramic Radiographs using Local, Centralized, and Federated Learning

El estudio compara el aprendizaje local, centralizado y federado para clasificar la relación entre el tercer molar y el canal mandibular en radiografías panorámicas, demostrando que el aprendizaje centralizado ofrece el mejor rendimiento, mientras que el aprendizaje federado constituye una alternativa viable y privada que supera al aprendizaje local.

Johan Andreas Balle Rubak, Sara Haghighat, Sanyam Jain, Mostafa Aldesoki, Akhilanand Chaurasia, Sarah Sadat Ehsani, Faezeh Dehghan Ghanatkaman, Ahmad Badruddin Ghazali, Julien Issa, Basel Khalil, Rishi Ramani, Ruben PauwelsFri, 13 Ma⚡ eess

Towards Universal Computational Aberration Correction in Photographic Cameras: A Comprehensive Benchmark Analysis

Este artículo presenta UniCAC, un nuevo benchmark a gran escala y el evaluador ODE para la corrección computacional de aberraciones en cámaras fotográficas, mediante los cuales se analizan 24 algoritmos para identificar los factores clave que influyen en su rendimiento y fomentar la generalización entre diferentes lentes.

Xiaolong Qian, Qi Jiang, Yao Gao, Lei Sun, Zhonghua Yi, Kailun Yang, Luc Van Gool, Kaiwei WangFri, 13 Ma🔬 physics.optics

O3N: Omnidirectional Open-Vocabulary Occupancy Prediction

O3N es el primer marco visual integral y de extremo a extremo para la predicción de ocupación omnidireccional de vocabulario abierto, que utiliza módulos innovadores como el Mamba en espiral polar, la agregación de costos de ocupación y la alineación de modalidades naturales para lograr una representación coherente del mundo 360° con un rendimiento superior y una gran generalización.

Mengfei Duan, Hao Shi, Fei Teng, Guoqiang Zhao, Yuheng Zhang, Zhiyong Li, Kailun YangFri, 13 Ma⚡ eess

Adversarial Deep-Unfolding Network for MA-XRF Super-Resolution on Old Master Paintings Using Minimal Training Data

Este artículo presenta una red neuronal adversarial de desenrollado profundo diseñada para realizar super-resolución en mapas de distribución elemental de pinturas de maestros antiguos mediante escaneos MA-XRF, logrando resultados superiores con datos de entrenamiento mínimos al utilizar una sola imagen RGB de alta resolución junto con datos de baja resolución.

Herman Verinaz-Jadan, Su Yan, Catherine Higgitt + 1 more2026-03-11⚡ eess

ResSR: A Computationally Efficient Residual Approach to Super-Resolving Multispectral Images

El artículo presenta ResSR, un método eficiente y basado en modelos para la superresolución de imágenes multiespectrales que, al desacoplar el procesamiento espectral y espacial sin necesidad de entrenamiento supervisado, logra una calidad de reconstrucción comparable o superior a las técnicas existentes mientras reduce el tiempo de cómputo entre 2 y 10 veces.

Haley Duba-Sullivan, Emma J. Reid, Sophie Voisin + 2 more2026-03-10⚡ eess

MedFuncta: A Unified Framework for Learning Efficient Medical Neural Fields

MedFuncta es un marco unificado que permite el entrenamiento eficiente de campos neuronales a gran escala en datos médicos mediante la codificación de señales en vectores latentes que modulan una red compartida, optimizando parámetros de activación y estrategias de meta-aprendizaje para reducir el consumo de recursos mientras se habilitan tareas posteriores y se libera el primer conjunto de datos masivo de este tipo, MedNF.

Paul Friedrich, Florentin Bieder, Julian McGinnis + 3 more2026-03-06💻 cs

Adiabatic Capacitive Neuron: An Energy-Efficient Functional Unit for Artificial Neural Networks

Este artículo presenta una implementación de hardware adiabática de un neurona capacitiva (ACN) en tecnología CMOS de 0.18 µm que logra un ahorro de energía superior al 90% en comparación con diseños no adiabáticos, manteniendo una alta precisión, robustez y escalabilidad en un amplio rango de temperaturas y variaciones de proceso.

Sachin Maheshwari, Mike Smart, Himadri Singh Raghav + 2 more2026-03-06⚡ eess

Overtone: Cyclic Patch Modulation for Clean, Efficient, and Flexible Physics Emulators

El artículo presenta Overtone, un marco unificado que mitiga la acumulación de errores sistemáticos en los sustitutos de EDP basados en transformadores mediante la modulación cíclica dinámica del tamaño de las parches durante la inferencia, logrando así una mayor precisión en simulaciones a largo plazo y una eficiencia computacional adaptable.

Payel Mukhopadhyay, Michael McCabe, Ruben Ohana + 1 more2026-03-06💻 cs

Graph-Based Multi-Modal Light-weight Network for Adaptive Brain Tumor Segmentation

Este trabajo presenta GMLN-BTS, una red ligera basada en grafos para la segmentación de tumores cerebrales que, mediante un codificador adaptativo, un módulo de interacción multimodal y un refinamiento de vóxeles, logra un rendimiento de vanguardia con solo 4,58 millones de parámetros, reduciendo la complejidad computacional en un 98% en comparación con los modelos Transformer 3D convencionales.

Guohao Huo, Ruiting Dai, Zitong Wang + 2 more2026-03-06💻 cs

Learning to Select Like Humans: Explainable Active Learning for Medical Imaging

Este artículo propone un marco de aprendizaje activo guiado por explicabilidad que, al combinar la incertidumbre predictiva con la desalineación de la atención espacial respecto a las regiones de interés definidas por expertos, logra una mayor eficiencia en el uso de datos y una mejor interpretabilidad clínica en el análisis de imágenes médicas.

Ifrat Ikhtear Uddin, Longwei Wang, Xiao Qin + 2 more2026-03-06💻 cs

CogGen: Cognitive-Load-Informed Fully Unsupervised Deep Generative Modeling for Compressively Sampled MRI Reconstruction

El artículo presenta CogGen, un modelo generativo profundo totalmente no supervisado que mejora la reconstrucción de MRI muestreado comprimido mediante un aprendizaje curricular auto-dirigido que gestiona la carga cognitiva al priorizar progresivamente los datos de baja frecuencia y alta relación señal-ruido sobre el ruido y las frecuencias altas.

Qingyong Zhu, Yumin Tan, Xiang Gu + 1 more2026-03-06💻 cs

When Denoising Becomes Unsigning: Theoretical and Empirical Analysis of Watermark Fragility Under Diffusion-Based Image Editing

Este artículo demuestra teórica y empíricamente que la edición de imágenes basada en difusión degrada o elimina sistemáticamente las marcas de agua invisibles robustas, al tratar los datos de la marca como ruido de alta frecuencia durante el proceso de denoising, lo que plantea nuevos desafíos para la trazabilidad del contenido generado.

Fai Gu, Qiyu Tang, Te Wen, Emily Davis, Finn Carter2026-03-06🔒 cs.CR

A 360-degree Multi-camera System for Blue Emergency Light Detection Using Color Attention RT-DETR and the ABLDataset

Este estudio presenta un sistema avanzado de detección de luces azules de emergencia mediante un conjunto de cuatro cámaras de gran angular y el modelo RT-DETR mejorado con un bloque de atención al color, logrando una alta precisión y estimación de ángulos de aproximación para reforzar la seguridad vial y los sistemas ADAS.

Francisco Vacalebri-Lloret, Lucas Banchero, Jose J. Lopez + 1 more2026-03-06🤖 cs.AI