Optimización libre de estaciones terrestres para satélites de órbita baja
SCORE optimiza la ubicación libre de estaciones terrestres para satélites LEO. Logra hasta un 15% más de transferencia de datos. Método innovador y eficiente.
#satelitales
Ver Google Maps de años anteriores: guía paso a paso
Aprende a ver Google Maps de años anteriores con Street View y Google Earth. Guía fácil para explorar el pasado desde tu ordenador o móvil.
Optimización dinámica distribuida y metarrazonamiento para satélites
Descubre cómo la optimización dinámica distribuida y el metarrazonamiento mejoran operaciones satelitales autónomas a gran escala.
PolyBuild: Extracción de contornos de edificios en imágenes satelitales
Descubre PolyBuild, un método innovador que extrae directamente contornos de edificios en imágenes satelitales sin post-procesamiento. ¡Resultados superiores!
Predicción avanzada de inundaciones con deep learning guiado por física
Predicción de inundaciones con deep learning guiado por física. El modelo híbrido UNet-FNO alcanza un F1 de 0.90 usando imágenes SAR y ópticas. Conoce los resultados.
ATT-CR: Transformador Triangular Adaptativo para Eliminación de Nubes
Descubre cómo ATT-CR, el Transformador Triangular Adaptativo, elimina nubes en imágenes satelitales reduciendo costos computacionales y mejorando precisión.
Clasificación Multietiqueta Robusta con Regularización Adaptativa al Ruido
Mejora la clasificación multietiqueta de imágenes satelitales con NAR, que maneja ruido aditivo y sustractivo. Aprendizaje robusto.
Comparación de algoritmos de ML para mapeo de cultivos en temporada
Descubre cómo los algoritmos de machine learning comparan en precisión para mapear cultivos de maíz y almendras usando imágenes satelitales antes de la cosecha.
Pocos datos, grandes mapas: Entrenar modelos geoespaciales con muestras escasas
Descubre cómo entrenar modelos de machine learning geoespacial con pocas muestras etiquetadas. Técnicas prácticas para superar la escasez de datos.
LaVIDE: Detección de cambios satelitales con lenguaje y alineación mapa-imagen
LaVIDE detecta cambios en imágenes satelitales mediante alineación mapa-imagen con lenguaje, logrando mejoras de hasta 18.4% en precisión. Ideal para planificación urbana, desastres y conservación.
LaVIDE: Detección de cambios satelitales con lenguaje y alineación mapa-imagen
Descubre LaVIDE, un innovador framework que usa lenguaje para alinear mapas e imágenes satelitales, logrando una detección de cambios precisa con mejoras del 18% en IoU.
Monitoreo de contaminantes atmosféricos urbanos con Sentinel-5P
Descubre cómo usar datos del satélite Sentinel-5P para monitorear NO2 urbano en Ecuador. Análisis con clustering y percentiles para evaluar la calidad del aire.
Deep Learning para mejorar el mapeo de inundaciones por satélite
Descubre cómo el Deep Learning y los modelos de difusión eliminan nubes en imágenes satelitales para mejorar el mapeo de inundaciones y la gestión de desastres.
Mapeo de la evolución de pequeños embalses en Brasil (1984-2025) con deep learning
Descubre cómo el deep learning cuantifica el aumento de casi 1 millón de pequeños embalses en Brasil desde 1984, impactando ecosistemas y gestión del agua.
El futuro de la IA climática es multimodal
La IA multimodal combina satélites, texto y datos estructurados para validar riesgos climáticos, superando las limitaciones de las tablas. Una nueva era.
Parches adversariales físicos para detección de vehículos aéreos
Evaluamos parches adversariales para detección aérea: del mundo digital al físico. Descubre por qué el parche ON es más robusto en entornos reales.
LALE: Arquitectura Transformer Ligera para Estimación de Cobertura Terrestre
Descubre LALE, la nueva arquitectura Transformer ligera que bate récords de eficiencia en segmentación de imágenes satelitales. Solo 1.6M parámetros.
CAFOSat: Dataset anotado para mapeo de CAFO con imágenes de alta resolución
Descubre CAFOSat, un dataset anotado con más de 45,000 imágenes para mapear granjas industriales mediante IA. Mejora la vigilancia ambiental y sanitaria.