27 de agosto - Encuentro sobre IA, ML y Visión por Computadora

Description

Únete a nuestro encuentro virtual para escuchar charlas de expertos sobre temas de vanguardia en IA, ML y visión por computadora. Fecha, Hora y Ubicación 27 de agosto de 2026 9:00 AM - 11:00 AM PST En línea. **[¡Regístrate para el Zoom!](https://voxel51.com/events/ai-ml-and-computer-vision-meetup-august-27-2026)** **Protección Robusta de Conceptos contra la Edición de Imágenes Basada en Difusión y Personalización** Los modelos de edición de imágenes y personalización basados en difusión han hecho que sea cada vez más fácil manipular y replicar conceptos visuales a partir de solo unas pocas imágenes de referencia. Sin embargo, los métodos de protección existentes a menudo se ajustan en exceso a un solo modelo de ataque y no logran generalizar a través de diversas cadenas de edición. En esta presentación, discutiré los avances recientes en la protección de conceptos para sistemas de IA generativa, centrándome en estrategias de perturbación dirigidas y representaciones de difusión sensibles al estilo. También presentaré hallazgos experimentales a través de múltiples escenarios de edición y ajuste fino, destacando los desafíos de robustez, transferibilidad e imperceptibilidad en configuraciones de protección prácticas. Finalmente, discutiré problemas abiertos y futuras direcciones hacia la propiedad de contenido generativo confiable. *Sobre la Ponente* [Qiuyu Tang](https://www.linkedin.com/in/qiuyutang/) es estudiante de doctorado en Ciencias de la Computación e Ingeniería en la Universidad de Lehigh. Su investigación se centra en IA confiable, forense de medios y métodos de protección robustos contra sistemas de edición y personalización de imágenes basados en difusión. Su trabajo reciente explora la protección de conceptos, la salvaguarda de estilos, la manipulación semántica de imágenes y la robustez de la IA generativa. Ha contribuido a múltiples publicaciones en visión por computadora y seguridad de IA, incluyendo investigaciones sobre la protección de modelos de difusión y detección de manipulaciones, y también ha servido como organizadora de talleres de conferencias. **De Píxeles al Planeta: Construyendo IA Escalable y Fundamentada para la Ciencia** La IA ha demostrado muchas nuevas posibilidades, desde redactar correos electrónicos hasta la edición y generación de imágenes. La eficacia de los modelos de IA se basa en gran medida en una tubería estándar de aprendizaje automático, donde se alimentan datos a los modelos para obtener representaciones y predicciones, y el rendimiento se evalúa con bancos de pruebas y métricas controladas. Sin embargo, la discrepancia surge cuando intentamos trasladar esta tubería a la interacción con el mundo real y usar la IA para el descubrimiento científico. Más allá de decisiones cerradas, los científicos quieren descubrir nuevas categorías y proponer nuevas hipótesis. En esta charla, compartiré cómo abordo los desafíos de la IA para la ciencia desde la perspectiva de métodos centrados en datos y enfoques de interpretabilidad. *Sobre el Ponente* [Jianyang Gu](https://www.linkedin.com/in/jianyang-gu-9235151b9/) es investigador postdoctoral en la Universidad Estatal de Ohio. Su investigación se centra en el uso de métodos centrados en datos para construir modelos fundamentales escalables e interpretables para la ciencia. **Más Allá del Establo: Detección No Invasiva de Acidosis en Ganado Lechero a Través de la Inteligencia de Emisiones de Gas Multimodal** La acidosis del rumen cuesta en silencio a la industria láctea global miles de millones anualmente y compromete el bienestar animal, sin embargo, los métodos de detección actuales siguen siendo invasivos, retrasados e imprácticos a gran escala. Nuestro laboratorio ha pionero un enfoque fundamentalmente nuevo: capturar y analizar patrones de emisión de gas CO₂ y CH₄ exhalado a través de imágenes RGB-térmicas sincronizadas, convirtiendo cada respiración en una señal de diagnóstico. Desarrollamos DualGasNet, una arquitectura de aprendizaje profundo de doble flujo con fusión de atención cruzada que detecta la acidosis de manera no invasiva y en tiempo real, logrando una precisión de vanguardia en un conjunto de datos de emisiones de gas de ganado único en su tipo que construimos desde cero. Para avanzar hacia una IA explicable y lista para la granja, integramos modelos de visión-lenguaje — CLIP y LLaVA-1.5 — habilitando un razonamiento diagnóstico de cero disparos que cierra la brecha entre las predicciones de aprendizaje profundo y la información veterinaria accionable. Esta charla explorará todo el proceso, desde la creación de conjuntos de datos personalizados hasta la fusión multimodal y la interpretación potenciada por VLM, ofreciendo al público un estudio de caso convincente sobre cómo la visión por computadora puede resolver problemas del mundo real de alto impacto fuera de los benchmarks tradicionales. *Sobre el Ponente* [Taminul Islam](https://www.linkedin.com/in/taminul-islam/) es Investigador Doctoral y candidato a PhD en la Universidad del Sur de Illinois en Carbondale con más de 40 publicaciones, más de 740 citas y un índice-h de 16 — con publicaciones en CVPR 2026, WACV 2026 (Oral), ICCV 2025 y Nature Scientific Reports, incluyendo un Artículo Altamente Citado para 2024-25. **Construyendo Sistemas de Visión por Computadora del Mundo Real con Voxel51** Esta charla explorará flujos de trabajo prácticos para construir, evaluar y mejorar sistemas modernos de visión por computadora. Profundizaremos en enfoques del mundo real para la curaduría de conjuntos de datos, análisis de modelos, flujos de trabajo de IA multimodal y tuberías de visión listas para producción utilizando tecnologías de código abierto. La sesión está diseñada para ingenieros, investigadores y profesionales de IA que buscan comprender mejor cómo los equipos están desarrollando y escalando aplicaciones de visión por computadora en la actualidad. Espera demostraciones prácticas, conocimientos técnicos y discusiones sobre el ecosistema de herramientas de IA en evolución. *Sobre el Ponente* [Daniel Gural](https://www.linkedin.com/in/daniel-gural/) es un experto en IA Física y ha estado trabajando en el campo durante más de 8 años. Trabajando en el ámbito de la salud, tiene experiencia tanto en casos de uso operativos como en el uso de IA Visual como ayuda en aplicaciones psicológicas.