Modelos de Deriva para Flujo Sustituto
Descubre cómo los modelos de deriva generan flujos CFD de alta calidad en un solo paso, superando a la difusión en velocidad y precisión. Ideal para simulación en tiempo real.
#aprendizaje profundo
Estimación de profundidad no supervisada con cámara de pila focal
Descubre cómo la estimación de profundidad no supervisada con cámara de pila focal supera a métodos tradicionales. Mejora precisión en visión computacional.
Fórmulas multiescala en sistemas complejos con cálculo lambda guiado por IA
Deflex extrae automáticamente fórmulas multiescala en sistemas complejos con IA y cálculo lambda. Hasta 7 veces más eficiente.
Predicción de inundaciones con deep learning guiado por física: UNet y FNO
Deep learning guiado por física combina UNet y FNO con imágenes satelitales para predecir inundaciones con precisión y coherencia hidrodinámica.
Aprendizaje de sistemas dinámicos no lineales controlados de alta dimensión (I)
Descubre cómo las neural ODEs unifican modelos dinámicos y deep learning, con teoría de campos medios para entrenamiento en alta dimensión.
LRMIL: Aprendizaje eficiente en baja resolución para clasificación patológica
Aprende cómo LRMIL destila conocimiento de alta resolución a baja para clasificar imágenes patológicas con alta precisión y bajo coste.
TrioPose: generación de imágenes guiada por pose con transformers
TrioPose mejora un 30% la precisión en generación de imágenes con pose usando transformers de triple flujo. Ideal para escenas con múltiples personas.
Marco adaptativo de limpieza de datos para etiquetas ruidosas
Descubre un marco auto-adaptativo que integra métricas locales, globales y dinámicas para detectar etiquetas ruidosas sin umbrales manuales, mejorando la precisión del modelo.
Explicaciones mínimas y suficientes con OPTIMUS-Prime para visión profunda
OPTIMUS-Prime: explicaciones visuales con garantías de suficiencia y minimalidad para modelos de visión profunda. ¡Transparencia en IA!
TargetSEC: Conversión de Emoción del Habla con Difusión Latente
TargetSEC: conversión de emociones en voz con difusión latente. Preserva identidad y supera a otros sistemas en precisión.
pTNAS: Búsqueda Progresiva de Arquitecturas Neuronales para Datos Tabulares
Optimiza modelos con pTNAS: acelera hasta 82x la búsqueda de arquitecturas neuronales para datos tabulares. Eficiencia y precisión.
DirectAnimator: Animación humana directa desde videos
Descubre cómo DirectAnimator aprende animación humana directamente desde videos, sin esqueletos ni estimación de pose, con alta calidad y menor coste computacional.
Sesgos en conflicto en el borde de la estabilidad: norma vs nitidez
El aprendizaje no es solo minimizar la norma o la nitidez. Este estudio revela cómo la tasa de aprendizaje equilibra ambos sesgos implícitos. ¡Lee más!
Modelo fundacional generativo para diseño de polímeros lineales
Descubre PolyConFM, el modelo fundacional que revoluciona el diseño de polímeros lineales usando IA generativa centrada en conformación. Mejora precisión en múltiples tareas.
DIFFRACT: Maximización Neuralizada de Utilidad para Redes Inalámbricas
DIFFRACT: maximización neuralizada de utilidad para redes 6G usando programación diferenciable. Gestiona interferencias dinámicas.
Estadísticas predictivas y representaciones emergentes en caminantes de rejilla
Descubre cómo las estadísticas predictivas crean modelos del mundo en redes neuronales. Estudio revela que transformadores aíslan un estado universal.
MACD: Decodificación Contrastiva Consciente del Modelo
¿Alucinaciones en Video-LLMs? MACD usa datos contrafactuales guiados por el modelo para reducirlas. Mejora la precisión en videos complejos. Descubre más.
IA interpretable para estudios de osteoartritis de rodilla
Descubre cómo un marco de IA interpretable y confiable utiliza aprendizaje profundo y predicción conforme para estudiar la relación estructura-dolor en la osteoartritis.
Marco de IA interpretable para estudios estructura-dolor en osteoartritis
Descubre cómo un marco de IA interpretable y confiable analiza miles de resonancias para predecir dolor y progresión en osteoartritis de rodilla.
Atención de rama específica por clase en desequilibrio
Descubre cómo la atención de rama reduce la interferencia de gradiente, mejorando el F1 de clases minoritarias de 0.261 a 0.522 en desequilibrio severo.