Percepción autónoma compacta con aprendizaje balanceado y fusión multisensor
Un modelo compacto de percepción autónoma que integra múltiples sensores y aprendizaje balanceado para lograr mayor eficiencia y velocidad de inferencia.
#segmentación
ROBUST-WT: Segmentación robusta con blanqueamiento y mejoras
ROBUST-WT introduce cuatro mejoras clave en el entrenamiento de segmentación médica, logrando un Dice de 0.956 en disco óptico. ¡Conócelas!
DeepIPCv2: Percepción y control robustos con LiDAR para vehículos autónomos
Descubre cómo DeepIPCv2 usa LiDAR y aprendizaje profundo para percepción ambiental robusta y control preciso, incluso en condiciones de iluminación variables.
Red ligera contextual sin entrenamiento para texto en escenas
Descubre cómo una red ligera y sin entrenamiento logra segmentar y reconocer texto en escenas con alta eficiencia, reduciendo costos computacionales y manteniendo precisión.
FedS2R: Generalización Federada One-Shot para Segmentación en Conducción Autónoma
Descubre FedS2R, el primer marco de generalización federada one-shot para segmentación semántica sintética-real en conducción autónoma, con mejoras en Cityscapes, BDD100K, Mapillary, IDD y ACDC.
C-GSPN: Nuevo codificador de visión a escala fundacional
C-GSPN: codificador de visión que iguala a ViT con 15% menos parámetros, mejora segmentación +2.1% y ofrece 4x de aceleración. ¡Conócelo!
Segmentación tisular monocanal con destilación multimodal
Descubre cómo la destilación cross-modal permite segmentar tejidos con un solo canal, logrando resultados cercanos a modelos más grandes con menos parámetros.
PaCX-MAE: Fusión de rayos X y fisiología en IA médica
PaCX-MAE mejora el diagnóstico de rayos X integrando datos fisiológicos (ECG, laboratorio) sin requerirlos en inferencia. Logra +2.7 AUROC y +6.5 F1 con solo 1% de datos.
Adaptación de dominio con un único embedding visión-lenguaje
Nuevo método de adaptación de dominio con un embedding visión-lenguaje para conducción autónoma sin datos objetivo, superando condiciones adversas.
Comparativa de síntesis de ultrasonido intraoperatorio a RM en cirugía cerebral
Primer benchmark que compara 48 modelos de síntesis ioUS a RM para cirugía cerebral. Descubre qué arquitectura (GAN, difusión) optimiza la segmentación tumoral.
Detección neural óptima de bordes en imágenes ruidosas
Descubre cómo un nuevo enfoque basado en redes neuronales detecta bordes en imágenes ruidosas sin necesidad de etiquetas, alcanzando tasas óptimas.
Más allá de la brecha: seguridad nativa en IA redefine defensa empresarial
Descubre cómo la seguridad nativa en IA y la hiper-segmentación están redefiniendo la defensa empresarial, superando el enfoque de asumir la brecha.
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.
DenseMLLM: LLM multimodal estándar para predicción densa
Descubre cómo DenseMLLM permite a los LLM multimodales estándar realizar predicciones densas sin decodificadores adicionales. Resultados competitivos en segmentación y profundidad.
AnyEdit++: Edición Adaptativa de Conocimiento en Formato Largo mediante Sorpresa Bayesiana
AnyEdit++ edita conocimiento en modelos de lenguaje con segmentación adaptativa basada en sorpresa bayesiana, mejorando coherencia y precisión.
Belief2-Attention: mejora en tareas de visión
Descubre cómo Belief2-Attention mejora la atención en visión usando dos componentes para clasificación y segmentación.
VDSB-GWSyn: Síntesis controlable de guías en angiografía coronaria
Descubre cómo VDSB-GWSyn utiliza Diffusion Schrödinger Bridge para sintetizar guías coronarias realistas, mejorando la localización de puntas en angiografías y la seguridad en PCI robótica.
Geodesias unificadas con restricciones tangentes y regularización de curvatura
Geodesias con restricciones tangentes y regularización de curvatura mejoran la segmentación al evitar atajos y preservar formas. ¡Descúbrelo!
RPCASSM: PCA robusto para detección de pequeños blancos infrarrojos
Descubre cómo RPCASSM usa PCA robusto y módulos de espacio de estado para detectar y segmentar pequeños blancos infrarrojos con alta precisión.
Ajuste fino eficiente de modelos preentrenados para segmentación de instancias
Descubre cómo el ajuste fino eficiente con adaptadores y LoRA logra segmentar instancias con solo 1-6% de parámetros, manteniendo rendimiento. ¡Optimiza!