Con la presentación de dos artículos en modalidad póster, el profesor Henry Arguello Fuentes, adscrito a la Escuela de Ingeniería de Sistemas e Informática, y el estudiante del doctorado en Ciencias de la Computación, Yesid Paul Goyes Peñafiel, representaron a la Universidad Industrial de Santander (UIS) en la 23.ª edición del IEEE Statistical Signal Processing Workshop (SSP 2025), uno de los eventos internacionales más relevantes en el área de procesamiento estadístico de señales y sus aplicaciones.
La conferencia, realizada en Edimburgo, Escocia, reunió a investigadores y representantes de la industria de todo el mundo, consolidándose como un espacio clave para el intercambio de conocimientos, la discusión de avances científicos y el fortalecimiento de redes académicas internacionales.
Los dos trabajos presentados abordan temas de reconstrucción de imágenes computacionales y muestreo compresivo, y fueron expuestos en las sesiones técnicas Computational Imaging I y Computational Imaging II, donde despertaron el interés de especialistas y asistentes al evento.
El primer trabajo, titulado “Muestreo compresivo con mediciones aumentadas mediante autodestilación generativa”, fue desarrollado en colaboración con los estudiantes de la UIS, Emmanuel David Martínez, del doctorado en Ciencias de la Computación; Román Alejandro Jácome, del doctorado en Ingeniería, y Romario Gualdrón Hurtado, estudiante de la maestría en Ingeniería de Sistemas. El estudio también contó con la valiosa participación del profesor Iñaki Esnaola, de la Universidad de Sheffield, Inglaterra.
En este trabajo se abordó el problema de reconstruir imágenes a partir de un número reducido de medidas codificadas. Este tipo de esquemas de adquisición permite reducir costos y acelerar el proceso de captura de imágenes. En particular, se propuso el uso de modelos generativos que, a diferencia del enfoque tradicional, que busca generar directamente la imagen deseada, producen medidas codificadas sintéticas complementarias a las adquiridas por el sistema. Esta estrategia resulta especialmente útil, ya que permite combinar tanto las mediciones reales como las sintéticas en cualquier algoritmo de reconstrucción de última generación, mejorando de manera significativa la calidad de la imagen obtenida a partir de pocos datos. El método es de gran interés en aplicaciones donde la velocidad de adquisición es crítica, como en el caso de imágenes médicas, teledetección y exploración geofísica.
El segundo trabajo, “Mejorando la reconstrucción de sísmica post-apilado usando modelos de difusión: abordando la incertidumbre y la complejidad estructural”, fue realizado junto a Paul Goyes Peñafiel, estudiante de doctorado en Ciencias de la Computación de la UIS y el profesor Ulugbek S. Kamilov de Washington University in Saint Louis, Estados Unidos. Esta investigación presentó un modelo de difusión condicional para la reconstrucción de datos sísmicos, aprovechando las ventajas de DIP para lograr consistencia en la síntesis de imágenes a partir de mediciones parciales durante la difusión inversa.
“Los experimentos demostraron que nuestro método propuesto logra resultados excepcionales en comparación con los enfoques más avanzados en tiempos de cálculo similares. Esto se aplica a datos de prueba dentro del dominio de entrenamiento, datos de campo fuera del dominio de entrenamiento y diversas complejidades de las estructuras de imágenes sísmicas relacionadas con diferentes escenarios geológicos”, aseguraron los investigadores.
El evento ofreció un programa académico de alto nivel que incluyó conferencias plenarias a cargo de expertos de reconocimiento mundial, así como sesiones regulares y especiales centradas en temas como inteligencia artificial, modelado estadístico, imagen computacional y otras áreas emergentes del procesamiento de señales.
La participación del profesor Henry Arguello en esta importante conferencia contó con el respaldo del Programa de Movilidad de la Vicerrectoría de Investigación y Extensión. Por su parte, la del estudiante de doctorado Yesid Paul Goyes Peñafiel se realizó con el apoyo del proyecto de investigación 3925, titulado “Modelamiento matemático-computacional para el mejoramiento de imágenes sísmicas en cuencas emergentes colombianas utilizando aprendizaje profundo con adaptación de dominio”.
