Predicción de trayectorias y destino de buques con LLMs de razonamiento
Descubre cómo los LLMs con razonamiento y verificación mejoran la predicción de trayectorias y destino de buques a 30 días, superando a métodos tradicionales.
#espacio-temporal
DSFNet: Pronóstico Multimodal Espacio-Temporal con Filtrado Espectral
Descubre DSFNet, la red que mejora la precisión en pronósticos de tráfico multimodal hasta un 10% frente a modelos previos. Filtrado espectral dual para
UrbanWell: Evaluación de Modelos Multimodales para Bienestar Urbano
UrbanWell: benchmark para evaluar modelos multimodales en análisis de bienestar urbano espacio-temporal. Descubre sus resultados y rendimiento.
Redes de Grafos Multimodal y Mezcla de Expertos para Carbono Orgánico
SpTGNN predice carbono orgánico del suelo con precisión récord (R²=0.86) y cuantifica la incertidumbre. Ideal para agricultura sostenible.
HawkesNest: Benchmark sintético multieje de complejidad espacio-temporal
Descubre HawkesNest, un benchmark sintético multieje para evaluar modelos de procesos puntuales espacio-temporales bajo condiciones de complejidad controlada.
Dyna-Pruner: poda adaptable de datos y modelos para predicción espacio-temporal
Dyna-Pruner reduce el costo computacional hasta un 70% en predicción espacio-temporal sin perder precisión. Ideal para despliegue en tiempo real en edge
Precarga espacio-temporal de expertos para inferencia eficiente en MoE LLM
Descubre cómo la precarga espacio-temporal de expertos acelera la inferencia de LLMs MoE sin sacrificar precisión. Mejora rendimiento y eficiencia energética.
CIWI-CKT: Fusión de ondas caóticas y transferencia entre ciudades
Descubre CIWI-CKT, un innovador marco que combina teoría del caos e interferencia de ondas para predecir el flujo de tráfico con precisión incluso con pocos
OmniTraffic: Generación controlable y benchmark para razonamiento de tráfico
OmniTraffic: pipeline y benchmark para razonamiento espacio-temporal. Evalúa 11 MLLMs con 8M VQA, revela brecha humano-modelo. Simulación mejora rendimiento.
CycliST: Benchmark de VLMs para razonar transiciones cíclicas
Descubre CycliST, el nuevo benchmark que evalúa la capacidad de los modelos de video-lenguaje para razonar sobre transiciones de estado cíclicas y patrones
Akasha 2: Integración de espacio de estado Hamiltoniano y visión-lenguaje
Akasha 2: arquitectura IA con espacio de estado Hamiltoniano para predicción de video ultrarrápida y coherencia espacio-temporal.
Verificación de robustez híbrida para redes neuronales espacio-temporales
Descubre cómo STBP verifica la robustez de redes neuronales 3D en video y volumen con mayor precisión y escalabilidad. Ideal para sistemas críticos.
Modelado de audio espacio-temporal para fuentes de sonido dinámicas
Descubre cómo el nuevo modelo ST-AudioLM combina audio, lenguaje y datos espaciales para entender sonidos en movimiento. Un avance en IA para audio.
Modelado de Audio Espacio-Temporal para Fuentes de Sonido Dinámicas
Descubre cómo un nuevo modelo de audio-IA combina semántica y localización espacial para responder preguntas sobre fuentes de sonido en movimiento.
Aprendizaje guiado por física para estimar períodos de olas costeras desde video
Aprende cómo la IA guiada por física estima períodos de olas costeras desde video para un monitoreo marino preciso y económico.
MP3: Preentrenamiento de patrones multi-período para predicción espacio-temporal
Descubre MP3, plugin de preentrenamiento para predicción espacio-temporal. Identifica espejismos temporales y mejora STGNNs. Reduce MAE 4.7% y RMSE 5%.
HYDRA-X: Modelo multimodal unificado con tokenizador visual holístico
HYDRA-X unifica tokenización de imágenes y video en un solo ViT. Mejora edición y comprensión multimodal. ¡Descubre cómo!
SpaTeoGL: Grafos espacio-temporales interpretables para zona de inicio de crisis
SpaTeoGL usa grafos espacio-temporales para localizar con precisión la zona de inicio de crisis en EEG intracraneal, mejorando la cirugía de epilepsia.
MLT-Dedup: Deduplicación eficiente de videos online a gran escala
Descubre cómo MLT-Dedup reduce repeticiones de video online en un 91% con precisión del 90%. Técnicas avanzadas de representaciones multinivel y coincidencia espacio-temporal.
Red Neuronal de Grafos con Atención Espacio-Temporal: Explicando Causalidades
STA-GNN: detección explicable de anomalías en ICS usando atención espacio-temporal. Control de falsos positivos y adaptación a derivas.