Alineación topológica de transformers con redes cerebrales
Descubre cómo un espacio geométrico unificado permite alinear modelos transformers con redes cerebrales humanas, revelando patrones sorprendentes en IA.
#computadora
¿Pueden los VLMs predecir estados futuros? Bootstrapping desde dinámica inversa
Los VLMs predicen estados futuros usando bootstrapping de dinámica inversa, mejorando la edición de imágenes hasta un 13% en evaluaciones humanas.
Transformers Platónicos: Una Opción Sólida para Equivarianza
Aprende cómo los Transformers Platónicos ofrecen equivarianza geométrica sin sobrecarga computacional, ideal para visión, nubes de puntos y química.
DVGT: Transformador de Geometría Visual para Conducción Autónoma
Descubre DVGT, un innovador modelo que reconstruye mapas 3D sin parámetros de cámara para conducción autónoma.
ShareVerse: Generación de Video Multi-Agente para Modelado de Mundo Compartido
Descubre ShareVerse, el framework que genera videos consistentes para múltiples agentes en entornos compartidos. Modelado de mundo real con IA.
ZeroWBC: Interacción humanoide natural desde datos egocéntricos
Descubre cómo ZeroWBC permite a humanoides interactuar de forma natural sin teleoperación, aprendiendo de videos egocéntricos.
Cómo la IA mejora el software de mantenimiento e incidencias
Aprende cómo la IA transforma el mantenimiento e incidencias: predicción, detección y recomendaciones que mejoran la eficiencia operativa.
Pipeline de dos etapas para clasificación detallada de vehículos con Vision Transformers
Nuevo pipeline de dos etapas con Vision Transformers logra 94% de precisión en clasificación de vehículos para seguridad ciclista. Código abierto disponible.
Componentes no suaves optimizan el ajuste fino de Vision Transformer
Descubre cómo los componentes no suaves en Vision Transformer mejoran el ajuste fino. La plasticidad de atención y feedforward supera al smoothness tradicional.
Instant-Fold: Aprendizaje por imitación en contexto para objetos deformables
Descubre Instant-Fold: robots manipulan objetos deformables con una sola demostración humana, sin necesidad de entrenamiento adicional. Aprende cómo.
Escala de datos, complejidad y modalidades en generalización visual
Aprende cómo escala de datos, complejidad y modalidades afectan la generalización visual en IA. Resultados clave de un estudio empírico.
SFMambaNet: Frecuencia Espectral para Poda de Correspondencias
SFMambaNet integra frecuencia espectral y Mamba para poda de correspondencias, superando a métodos GNN con eficiencia lineal. ¡Descúbrelo!
Reconocimiento de matrículas en tiempo real con YOLOv8, SORT e interpolación
Aprende cómo YOLOv8 y SORT mejoran el reconocimiento de matrículas en tiempo real, con interpolación temporal para mayor precisión en condiciones adversas.
OA-CutMix: Corrigiendo el sesgo de etiqueta de CutMix
Descubre OA-CutMix: corrige el sesgo de etiqueta en CutMix usando máscaras de segmentación. Mejora la precisión sin modificar la mezcla.
UniCAD: un benchmark unificado y modelo universal para CAD multimodal
Conoce UniCAD, el benchmark que unifica tareas CAD multimodales, y su modelo UniCAD-MLLM con rendimiento superior en todas ellas.
NVIDIA Research: avances en agarre, conducción y entrenamiento de agentes
Descubre cómo NVIDIA Research presenta en CVPR 2026 tres innovadores modelos de IA: agarre cero-shot, razonamiento latente para vehículos y entrenamiento masivo de agentes virtuales.
Entropía no es suficiente: aprendizaje por refuerzo visual con tokens anclados
La entropía falla en RL visual: VEPO selecciona tokens visual-informativos y supera en hasta 3.15 puntos. Descubre cómo.
PrimeSVT: Poda Automática con Memoria para Transformers de Visión Spiking
Descubre cómo PrimeSVT automatiza la poda de Transformers de Visión Spiking, reduciendo memoria un 26.68% con mínima pérdida de precisión. Optimiza tus modelos.
Campos Neuronales como Modelos del Mundo
Campos neuronales para predicción física y aprendizaje offline. Una arquitectura isomórfica que mejora políticas sin interacción con el entorno.
PRISM: Integración de Modelos de Visión con Expertos Autoorganizados
PRISM combina modelos de visión fundacionales con expertos autoorganizados, superando la transferencia negativa para lograr el estado del arte en segmentación.