AGRA: Alineación de representaciones en modelos de acción mundial
¿Problemas de precisión en robótica? AGRA alinea representaciones visuales con acciones, mejorando localización y robustez. ¡Descubre cómo!
#difusión
DiffCold: Modelo generativo por difusión para recomendación con arranque frío
DiffCold resuelve el dilema del seesaw: unifica representaciones de ítems fríos y cálidos con un modelo generativo por difusión. ¡Mejora el rendimiento!
Política de Difusión Ambiental: Aprendizaje por Imitación con Datos Subóptimos
Descubre cómo Ambient Diffusion Policy aprende de datos subóptimos en robótica. Mejora el rendimiento hasta un 33% usando solo características útiles de demostraciones de baja calidad.
Mejorando la generalización y eficiencia de datos con difusión en RL multi-agente offline
DOM2, un modelo de difusión para RL multi-agente offline, mejora la generalización y eficiencia de datos hasta 20 veces. Descubre cómo supera a los métodos actuales.
Política de difusión offline para planificación multiusuario con retardo
Descubre SOCD: política de difusión offline para planificación multiusuario con retardo. Reduce costos sin interacción en línea.
Google lanza DiffusionGemma, modelo de código abierto con difusión 4x más rápido
Google presenta DiffusionGemma, un modelo de código abierto 26B MoE que genera texto en paralelo hasta 4 veces más rápido. Ideal para desarrolladores.
Evaluación de bigaspv2-5, alternativa Flow Matching a SDXL
Descubre bigaspv2-5, el modelo experimental Flow Matching para texto a imagen. Analizamos su rendimiento, calidad y diferencias con SDXL. Guía completa.
DiffusionGemma: Guía del Desarrollador
Descubre DiffusionGemma, el modelo de texto por difusión que genera bloques de 256 tokens en paralelo. Más rápido, bidireccional y ajustable en GPUs de consumo. Ideal para desarrolladores.
NVIDIA acelera DiffusionGemma de Google DeepMind para IA local
Acelera la generación de texto local con DiffusionGemma de Google DeepMind optimizado por NVIDIA. Hasta 4x más rápido en tu GPU.
TractFM: modelo fundacional de tractogramas
TractFM: el primer modelo fundacional que aprende representaciones de tractogramas completos para segmentación de vías y predicción de fenotipos cerebrales.
Muestreador Adaptativo con Descuento por Atención para Difusión Enmascarada
ADAS introduce un descuento por atención en el muestreo paralelo, mejorando la calidad de modelos de difusión enmascarada sin entrenamiento adicional. Aumenta precisión en benchmarks hasta 10 puntos.
Alineamiento texto-instancia en outpainting condicionado por primer plano
Descubre cómo CCE-Diffusion mejora el outpainting condicionado por primer plano, alineando texto e instancia para generar imágenes de producto sin artefactos.
Planificador de Difusión Forzada con Historial Recocido para Conducción Autónoma
El DFP logra trayectorias estables y seguras mediante planificación con historial recocido y guía temporal. Resultados en nuPlan.
Diffusion Forcing Planner: Planificación con Historial Annealed y Guía Temporal
Descubre cómo el Diffusion Forcing Planner logra trayectorias estables en conducción autónoma mediante guía temporal con historial annealed. Resultados en nuPlan.
Asimilación de datos con difusión latente: Kalman vs Monte Carlo
Los métodos Monte Carlo (MCMC y SMC) superan a los ensemble-Kalman en asimilación de datos geológicos 3D, logrando mayor reducción de incertidumbre.
MODIP: Optimización eficiente basada en modelos para políticas de difusión
Aprende cómo MODIP optimiza políticas de difusión con modelos predictivos y control de trayectorias. Resultados superiores en D4RL y RoboMimic.
MODIP: Optimización Basada en Modelos para Políticas de Difusión
MODIP optimiza políticas de difusión con modelos del mundo, mejorando el aprendizaje robótico. Resultados competitivos en D4RL y RoboMimic.
Reproducibilidad y generalización en modelos de difusión
Descubre por qué distintos modelos de difusión generan resultados casi idénticos. Un fenómeno con implicaciones en privacidad y eficiencia.
Modelos de difusión rompen la maldición de la dimensionalidad
Los modelos de difusión superan la maldición de la dimensionalidad aprendiendo distribuciones de baja dimensión con pocas muestras. Clave para IA generativa.
Modelos de difusión ciega y las bendiciones de la dimensionalidad
Descubre cómo los Modelos de Difusión Ciega (BDDMs) eliminan ruido condicionado y aprovechan baja dimensionalidad. Teoría completa, resultados adaptativos.