Sobre el Grupo Quercus

El Grupo Quercus se dedica a la investigación en áreas como la ingeniería del software, ingeniería dirigida por modelos, ciencia de datos, aprendizaje automático, computación cuántica, computación en el continuo y computación orientada a servicios. Sus miembros son profesores e investigadores de la Universidad de Extremadura que colaboran en proyectos de I+D+i para impulsar la innovación tecnológica.

Noticias del Grupo Quercus

Escuela de Verano Internacional sobre Agentes basados en LLM para Ingeniería de Software

Crónica y aspectos destacados de la 1ª Escuela de Verano Internacional sobre Agentes basados en LLM para Ingeniería de Software (LLMA4SE), celebrada del 1 al 3 de septiembre de 2025 en Cáceres, España.

We open the (Metrika)Box

Join us learning what is the magic juice that moves MetrikaMedia, the leading SaaS for multimedia content measurement.

Todo a la vez en todas partes… con sólo un prompt

Continuamos nuestra investigación en la optimización de bajo coste de modelos fundacionales, aplicados específicamente en la segmentación de imágenes en el ámbito médico.

Proyectos del Grupo Quercus

ADAPIMMA

Análisis de Derechos de Autor en Piezas Multimedia emitidas en Medios Audiovisuales usando Machine Learning

SAM para la segmentación de imagen médica

El código fuente de este proyecto se encuentra en este repositorio.

MusicGenia

Cloud-based Platform for On-demand Music Generation by Artificial Intelligence

Publicaciones del Grupo Quercus

MetrikaBox: An open framework for experimenting with audio classification

This paper presents MetrikaBox, a general-purpose, open-source, and extensible audio classification package designed to facilitate the …

AI-Based System for Assistance in Minimally Invasive Renal Procedures Using Mixed Reality. First Steps

El objetivo principal de este estudio es la implementación y configuración de un sistema de asistencia para cirugías renales …

Prompt Once, Segment Everything: Leveraging SAM 2 Potential for Infinite Medical Image Segmentation with a Single Prompt

Este artículo presenta un novedoso enfoque que aprovecha las capacidades de segmentación de vídeo de SAM 2 para reducir el número de prompts necesarios para segmentar un volumen completo de imágenes médicas. El estudio compara primero el rendimiento de SAM y SAM 2 en la segmentación de imágenes médicas. A continuación, se presenta nuestro novedoso enfoque. Los resultados muestran que SAM 2 consigue una mejora media del 1,76% en el Jaccard Index y del 1,49% en el Dice Score en comparación con SAM.