Video Understanding: cómo los datasets moldean los modelos
Explora cómo la estructura de los datasets impulsa el diseño de arquitecturas de video: de redes de dos flujos a modelos multimodales. Una guía para entender el
#comprensión de video
Percepción Activa de Video: Búsqueda Iterativa de Evidencia para Video Largo
Descubre cómo AVP reduce un 81% el tiempo de inferencia y mejora la precisión al entender videos largos buscando evidencia clave.
M³Eval: Evaluación de Memoria Multimodal con Tareas de Video Cognitivas
M³Eval: primer benchmark que evalúa la memoria en modelos multimodales con tareas de video cognitivas. Descubre sus debilidades.
VidMsg: Benchmark de Mensajes Implícitos en Videos Cortos
Descubre VidMsg, el benchmark que evalúa cómo los modelos de IA entienden mensajes implícitos en videos cortos. ¡Resultados que te sorprenderán!
StreamingVLM: Comprensión en tiempo real para transmisiones de video infinitas
StreamingVLM revoluciona la comprensión de video en tiempo real: procesa flujos infinitos con solo 8 FPS en un H100, superando a GPT-4O mini. ¡Descubre su arquitectura!
APB-V: Acelerando comprensión de videos largos con atención paralela aproximada
Descubre APB-V: acelera la comprensión de videos largos en múltiples GPUs hasta 12.72x sin pérdida de rendimiento. Ideal para modelos multimodales.
Colaboración de modelos mejorada para detección de errores egocéntricos
Descubre cómo combinar modelos pequeños y grandes permite detectar errores raros y sutiles en videos de primera persona, equilibrando velocidad y precisión.