93 artículos
Este artículo presenta un método para la calibración de cámaras genéricas utilizando imágenes borrosas, que estima simultáneamente la ubicación de las características y las funciones de dispersión del punto mediante restricciones geométricas y un modelo de iluminación paramétrico local para resolver la ambigüedad traslacional.
Este estudio propone un modelo de consistencia latente de múltiples volúmenes que utiliza representaciones latentes tridimensionales de diferentes campos de visión para lograr una reconstrucción rápida, estable y de alta precisión en tomografía computarizada de ángulo limitado, superando los desafíos de ill-posedness y preservando la estructura interna de los órganos incluso bajo condiciones clínicas diversas y extremas.
Este artículo presenta un sistema de almacenamiento de imágenes en ADN que utiliza el muestreo adaptativo de secuenciadores Nanopore para acceder aleatoriamente a capas de resolución progresiva (basadas en JPEG2000) sin necesidad de PCR, reduciendo así los costos de lectura y mejorando la eficiencia en la recuperación de datos.
El artículo presenta ICHOR, un enfoque de aprendizaje auto-supervisado basado en autoencoders enmascarados que utiliza un vasto conjunto de datos de imágenes ASL para generar representaciones robustas y generalizables que superan a los métodos existentes en tareas de clasificación diagnóstica y predicción de calidad de mapas de flujo sanguíneo cerebral.
GeoTop es un marco matemático interpretable que combina el Análisis Topológico de Datos y las Curvaturas de Lipschitz-Killing para superar la ambigüedad de la equivalencia topológica en imágenes diagnósticas, logrando mejoras significativas en la precisión de clasificación y reduciendo errores en la detección de lesiones cutáneas.
Este trabajo presenta Implicit U-KAN 2.0, una arquitectura de segmentación médica basada en ecuaciones diferenciales neuronales de segundo orden y capas MultiKAN que mejora la interpretabilidad, la eficiencia y el rendimiento teórico frente a los métodos actuales.
Este artículo presenta la CSASN, una red neuronal de aprendizaje multitarea con atención dual que combina EfficientNet y ViT para superar los desafíos de desequilibrio de datos y heterogeneidad morfológica en el diagnóstico preciso de carcinomas tiroideos raros mediante imágenes de ultrasonido.
Este artículo caracteriza el Patrón de Ruido de Desenfoque Sintético (SDNP) de Apple en las imágenes de modo retrato, proponiendo un método para su estimación precisa y demostrando su utilidad para la trazabilidad forense de dispositivos iOS y para mejorar la verificación de la fuente de la cámara al reducir falsos positivos en el análisis PRNU.
Este trabajo presenta Fast Equivariant Imaging (FEI), un marco de aprendizaje no supervisado que acelera significativamente el entrenamiento de redes de imagen profunda sin datos reales mediante la reformulación del problema de optimización con multiplicadores de Lagrange y desnoisadores PnP, logrando una velocidad 10 veces superior y mejor rendimiento en tareas como la reconstrucción de CT y la restauración de imágenes.
Este artículo presenta un método novedoso que utiliza convoluciones de homología persistente para capturar información topológica local en diapositivas de histopatología, demostrando que este enfoque supera a los modelos de redes neuronales convolucionales convencionales en precisión y robustez.
Este trabajo presenta el primer estudio y benchmark (ActiSeg-NL) sobre segmentación de objetos en video basada en acciones bajo ruido de etiquetas, introduciendo un nuevo mecanismo de cabezal de máscara paralelo y analizando estrategias de aprendizaje robustas para abordar el ruido en prompts textuales y anotaciones de máscaras.
Cryo-SWAN es un autoencoder variacional basado en voxelización e inspirado en la descomposición por wavelets multiescala que mejora la representación y reconstrucción de volúmenes de densidad molecular, superando a los métodos actuales de visión 3D en tareas de aprendizaje de formas y generación condicional.
Esta tesis doctoral presenta un marco de imagen de campo integral que combina sistemas de captura, algoritmos de segmentación y redes neuronales de reconstrucción 3D para superar las limitaciones de los métodos actuales y permitir la caracterización morfológica automatizada y precisa de agregados de construcción en diversos escenarios, desde partículas individuales hasta pilas de stock.