IEEE/CVF Conference on Computer Vision and Pattern Recognition se centra en la investigación sobre visión por computador, reconocimiento de patrones e inteligencia artificial visual y aborda cómo las máquinas adquieren, representan, interpretan y generan información sobre imágenes, vídeo, escenas tridimensionales y entornos físicos. Su convocatoria científica comprende reconstrucción y geometría tridimensional, aprendizaje profundo, visión fiable y explicable, seguridad y autenticidad de inteligencia artificial generativa, imagen computacional, aprendizaje multimodal, generación de imágenes y vídeo, modelos fundacionales, razonamiento, robótica, conducción autónoma, percepción física, análisis médico y biológico y aplicaciones científicas. El encuentro recibe trabajos originales para su programa técnico principal y exige aportaciones de alta calidad que amplíen el conocimiento del campo mediante métodos y resultados verificables.
El objetivo científico de IEEE/CVF Conference on Computer Vision and Pattern Recognition consiste en mejorar la capacidad de los sistemas computacionales para extraer estructura y significado de información visual y utilizarla para reconocer objetos, interpretar escenas, reconstruir geometría, seguir movimiento, razonar sobre entornos y apoyar acciones. La investigación combina modelos estadísticos, aprendizaje automático, geometría, optimización y conocimiento físico. Esta integración resulta necesaria porque una imagen constituye una proyección parcial del mundo y puede contener ambigüedades, oclusiones, ruido y cambios de iluminación, escala o perspectiva que dificultan recuperar la información subyacente. La reconstrucción tridimensional y la geometría forman una de las líneas oficiales.
Las contribuciones pueden estudiar recuperación de profundidad a partir de una o varias vistas, sensores de profundidad, reconstrucción de escenas y relaciones geométricas entre cámaras y objetos. Estos trabajos buscan representar entornos con suficiente precisión para tareas de navegación, manipulación, simulación o generación. La visión basada en principios físicos amplía esta línea mediante modelos que relacionan apariencia, iluminación, forma y propiedades de los materiales. La visión fiable, responsable y explicable constituye otro ámbito explícito. Los sistemas visuales pueden utilizarse en decisiones que afectan a personas o infraestructuras, por lo que la investigación necesita estudiar robustez, sesgos, interpretabilidad y mecanismos de evaluación.
La convocatoria incorpora además seguridad y autenticidad de inteligencia artificial generativa, un problema relacionado con la capacidad de producir contenidos visuales sintéticos difíciles de distinguir de observaciones reales. Los trabajos pueden desarrollar métodos de detección, atribución, autenticación y análisis de riesgos. Las arquitecturas y técnicas de aprendizaje profundo representan otro núcleo científico. Las contribuciones pueden desarrollar modelos más precisos o eficientes, investigar nuevas formas de entrenamiento y analizar cómo diferentes arquitecturas representan información espacial y temporal. El aprendizaje de representaciones permite obtener características útiles sin diseñarlas manualmente para cada tarea y se relaciona con reconocimiento, segmentación, seguimiento y generación.
La eficiencia y la escalabilidad aparecen también como temas específicos, especialmente cuando los modelos necesitan operar sobre grandes conjuntos de datos o dispositivos con recursos limitados. El aprendizaje multimodal constituye otra línea prioritaria. La investigación puede combinar imágenes y vídeo con texto, audio, profundidad u otras señales para construir representaciones compartidas. Los modelos generativos y fundacionales multimodales forman parte explícita de la convocatoria y permiten estudiar sistemas capaces de comprender instrucciones, producir contenidos y relacionar conceptos lingüísticos con observaciones visuales. El reto científico consiste en determinar hasta qué punto estos modelos comprenden relaciones visuales y cómo pueden evaluarse de manera rigurosa. La síntesis de imágenes y vídeo constituye otro bloque destacado. Los trabajos pueden desarrollar procedimientos para generar contenido, editarlo o transformar representaciones existentes.
La investigación estudia calidad, control, coherencia temporal y fidelidad respecto a las condiciones solicitadas. Los datos sintéticos también aparecen dentro del programa y pueden utilizarse para entrenar sistemas cuando obtener anotaciones reales resulta costoso o cuando determinadas situaciones son poco frecuentes. El razonamiento y el aprendizaje por refuerzo representan otra dirección. Los sistemas visuales no siempre necesitan limitarse a clasificar una observación; pueden utilizarla para decidir qué acción ejecutar, buscar información adicional o resolver tareas de varios pasos. Esta perspectiva conecta visión con agentes inteligentes y sistemas interactivos. La convocatoria incluye explícitamente inteligencia artificial basada en agentes y modelos físicos del mundo, así como planificación y simulación.
La visión incorporada y la robótica constituyen otra línea central. Los sistemas necesitan interpretar información visual mientras actúan dentro de un entorno. Los trabajos pueden estudiar percepción para manipulación, navegación, interacción y coordinación entre sensores y actuadores. La conducción autónoma representa una aplicación específica y exige detectar participantes, comprender geometría, anticipar movimiento y mantener robustez bajo condiciones cambiantes. El análisis de escenas, reconocimiento, detección, recuperación, segmentación y seguimiento forman el núcleo clásico de la disciplina. Estas tareas permiten identificar entidades, separar regiones, recuperar ejemplos similares y comprender cómo cambian objetos y personas a lo largo del tiempo. La convocatoria incorpora además aprendizaje autosupervisado, semisupervisado, de pocas muestras, continuo y de larga cola, líneas destinadas a reducir la dependencia de grandes conjuntos perfectamente etiquetados.
IEEE/CVF Conference on Computer Vision and Pattern Recognition también aborda fotogrametría, teledetección, múltiples sensores, visión y gráficos, aplicaciones científicas, educación y visión médica y biológica. Esta amplitud permite trasladar avances metodológicos hacia problemas de investigación donde las imágenes constituyen una fuente principal de evidencia. IEEE/CVF Conference on Computer Vision and Pattern Recognition se dirige a especialistas en visión por computador, aprendizaje automático, inteligencia artificial, robótica, imagen computacional y procesamiento visual. IEEE/CVF Conference on Computer Vision and Pattern Recognition contribuye al avance de la disciplina al reunir fundamentos, modelos generativos, percepción física y aplicaciones y favorecer sistemas capaces de interpretar información visual de manera más precisa, eficiente, robusta y científicamente evaluable.
Palabras clave: visión por computador, reconocimiento de patrones, inteligencia artificial, aprendizaje profundo, reconstrucción 3D, geometría, profundidad, visión explicable, inteligencia artificial responsable, autenticidad, inteligencia artificial generativa, imagen computacional, aprendizaje multimodal, modelos fundacionales, generación de imágenes, generación de vídeo, razonamiento, aprendizaje por refuerzo, reconocimiento, detección, recuperación visual, segmentación, análisis de formas, representación, robótica, visión incorporada, agentes inteligentes, conducción autónoma, análisis de escenas, aprendizaje autosupervisado, aprendizaje semisupervisado, aprendizaje continuo, teledetección, seguimiento, fotogrametría, visión médica, microscopía, datos sintéticos, benchmarks, visión física, inteligencia artificial para ciencia
