CoMAG unifica grafos multimodales aprendiendo contextos adaptativos y alineando modalidades sin comprimir información. Logra estado del arte en predicción, matching y generación.
DeRA-MOS optimiza la evaluación texto-música con ranking desacoplado y alineación de modalidades para métricas más precisas.
Descubre cómo el ajuste visual alinea imágenes y texto en modelos de lenguaje, optimizando el rendimiento multimodal sin aumentar el tiempo de entrenamiento.
V-LynX alinea tokens en modelos de video para integrar nuevas modalidades (audio, 3D) con eficiencia y rendimiento SOTA. ¡Código abierto!