FAIR-Calib: Calibración consciente de fronteras para LLMs de difusión
Descubre FAIR-Calib, un novedoso método de calibración que reduce errores en la cuantificación de modelos de lenguaje de difusión, mejorando estabilidad y precisión.
#difusión
Inserción de objetos 3D con control de pose mediante DIRECT
Descubre DIRECT, el innovador marco que permite insertar objetos en imágenes con control preciso de su pose 3D, manteniendo alta fidelidad visual y adaptación al fondo.
ChronoForest: Planificación de rutas con difusión y múltiples árboles
ChronoForest utiliza difusión y árboles múltiples para planificar rutas largas, alcanzando 99.8% de éxito en búsqueda de puentes y composición.
Destilación on-policy para transformar modelos autoregresivos en difusivos
Descubre cómo OPDLM transforma modelos autoregresivos en difusivos con destilación on-policy, reduciendo tokens de entrenamiento hasta 7000x sin perder rendimiento.
MotionEnhancer: difusión video mejora modelos visión-lenguaje en movimiento
Descubre cómo MotionEnhancer usa difusión de video para mejorar la comprensión del movimiento en VLMs, sin parámetros adicionales.
EgoPressDiff: Difusión de Video Multimodal para Presión Manual
Descubre EgoPressDiff, un marco de difusión multimodal que estima presión manual con un 34% más de precisión, ideal para AR/VR.
Dinámicas de rechazo paso a paso en modelos autoregresivos y de difusión
Estudio revela que modelos de difusión son más robustos ante jailbreaks que los autoregresivos. Conoce el nuevo detector SRI.
CountsDiff: modelo de difusión para generación e imputación de datos de recuento
CountsDiff revoluciona la generación e imputación de datos de recuento con un modelo de difusión para números naturales. Supera a métodos líderes en scRNA-seq. ¡Descubre cómo!
Imputación espacio-temporal con flujo guiado por grafos
Descubre GiFlow: imputación espacio-temporal con flujo guiado por grafos. Supera a los métodos tradicionales en eficiencia y precisión.
Recuperación de redes de cascada con Jacobiano corregido
CascadeNet: nuevo método de aprendizaje automático que recupera redes de influencia oculta a partir de datos de cascada, sin necesidad de modelos de difusión pr
Corrector Langevin Consistente con Medidas para Estabilizar Solvers LDM
Descubre cómo el corrector Langevin consistente con medidas (MCLC) estabiliza los solvers de problemas inversos en difusión latente, mejorando la fiabilidad.
CascadeNet: recuperación de redes en cascada con ML insesgado
CascadeNet usa ML y Jacobiano para recuperar redes de influencia ocultas en datos en cascada, con validación en COVID-19.
TrioPose: generación de imágenes guiada por pose con transformers
TrioPose mejora un 30% la precisión en generación de imágenes con pose usando transformers de triple flujo. Ideal para escenas con múltiples personas.
Entropía como prior estructural impulsa diversidad y desarrollo musical
Descubre cómo la entropía como prior estructural evita el colapso del modo y mejora la diversidad y desarrollo musical en modelos de difusión con LoRA.
TargetSEC: Conversión de Emoción del Habla con Difusión Latente
TargetSEC: conversión de emociones en voz con difusión latente. Preserva identidad y supera a otros sistemas en precisión.
Generalización de modelos de difusión con espacio de representación equilibrado
Descubre cómo los modelos de difusión generalizan con representaciones equilibradas. Detecta memorización y edita sin entrenamiento.
Generación unificada de canciones y conversión de voz cantada con acompañamiento
Descubre UniSinger, el primer modelo de IA que unifica generación de canciones y SVC con acompañamiento. Clonación de voz y sinergia vocal-acompañamiento.
![MAGE: El bloque All-[MASK] sabe dónde mirar en difusión por bloques LLM](https://images.unsplash.com/photo-1664526936810-ec0856d31b92?ixid=M3w4MzI5MzV8MHwxfHNlYXJjaHwxfHxzcGFyc2UlMjBhdHRlbnRpb24lMjBibG9jayUyMGRpZmZ1c2lvbiUyMG1vZGVsfGVufDB8fHx8MTc4MDkxMDA3NHww&ixlib=rb-4.1.0)
MAGE: El bloque All-[MASK] sabe dónde mirar en difusión por bloques LLM
Con MAGE, la atención dispersa acelera hasta 6.82x la inferencia en contexto largo sin pérdida de precisión.
STREAM: Flujo Riemanniano para generación de imágenes histopatológicas
STREAM: nuevo método de flujo riemanniano para generar imágenes histopatológicas. Supera colapso de condicionamiento y logra SOTA.
Homotopía Gaussiana Probabilística: continuación para optimización no convexa
PGH es un marco de continuación probabilístico que sesga gradientes hacia mínimos globales en optimización no convexa. Ideal para IA y datos dispersos.