StressDream: Evaluación robusta de políticas con modelos de video
StressDream optimiza el ruido de modelos de video para generar futuros plausibles y críticos. Evalúa y mejora políticas robóticas identificando fallos.
#fusión
Control de movimiento humano 3D sin renderizado con tokenización de malla
Descubre cómo los modelos de difusión de video con tokenización de malla permiten un control preciso del movimiento humano en 3D, eliminando la necesidad de ren
DarkVesselNet: Detección de barcos oscuros con sensores remotos multimodales
Descubre DarkVesselNet: fusión de SAR, óptico y AIS con IA para detectar barcos oscuros. Razonamiento de trayectorias y detección de anomalías.
Mejora del alineamiento de representaciones visuales con GRPO
Descubre cómo VRPO mejora el alineamiento de representaciones en difusores mediante optimización por refuerzo, logrando +1.8 FID y 2.3x más rápido que REPA.
Destilación colaborativa y cuantización de baja precisión en Wan2.2
Descubre cómo optimizar modelos de video Wan2.2 con destilación y cuantización de baja precisión. ¡Mejor calidad, menos pasos!
EPIC: Inferencia paralela y eficiente con CFG en modelos de difusión
Descubre EPIC, un framework que acelera inferencia paralela con CFG en modelos de difusión, reduciendo tiempo 67.5% y overhead 90.5%.
WaveFilter: Filtrado guiado por wavelets para contexto largo en LLMs de difusión
WaveFilter mejora el rendimiento de LLMs de difusión en contexto largo mediante filtrado guiado por wavelets del caché KV.
DASH: Destilación de Puntajes de Doble Rama para Modelos de Difusión Compactos
Descubre cómo DASH comprime modelos de difusión manteniendo calidad y guía, superando al entrenamiento desde cero.
MLLM-Microscope: Desvelando la Estructura Interna de los MLLMs
Descubre cómo MLLM-Microscope analiza las representaciones internas de los MLLMs, revelando linealidad, dimensión y anisotropía para mejorar el diseño futuro.
Olvida la Atención: Conciencia de Importancia es Todo
SISA: nuevo híbrido SSM-atención. Logra 17.3% en LAMBADA y recuperación perfecta en NIAH 7x más rápida que Transformers. ¡Descúbrelo!
TrustLDM: Evaluación de confiabilidad en modelos de difusión
TrustLDM revela vulnerabilidades en modelos de difusión de lenguaje. Seguridad, privacidad y equidad analizadas.
TCAR-Gen: Recuperación Temporal con Fusión de Evidencia
Descubre TCAR-Gen, un nuevo marco que combina redes neuronales de grafos, fusión temporal y razonamiento en árbol para responder preguntas complejas sobre casos criminales históricos.
Extrae texto de cien PDFs en un solo comando con pdf-toolkit
Extrae texto de cientos de PDFs en un solo comando con pdf-toolkit. Procesa lotes, fusiona archivos, extrae páginas y exporta a CSV. Ahorra tiempo.
Fusión de Expertos en MoE Dispersos con Nash Bargaining
Descubre cómo NAMEx, basado en teoría de juegos, mejora la colaboración entre expertos en modelos MoE, logrando mayor precisión y robustez en IA.
Denoisers suavemente restringidos para modelos de difusión en EDP
Descubre cómo los denoisers suavemente restringidos mejoran el cumplimiento de EDPs sin rigidizar el modelo. Ideal para física computacional con IA.
SANA-Streaming: Edición de video en tiempo real con difusión híbrida
Descubre SANA-Streaming: edita video en tiempo real a 1280x704 y 24 FPS en una RTX 5090. Co-diseño sistema-algoritmo con difusión híbrida.
Síntesis controlable de nódulos pulmonares con difusión latente
Nuevo modelo de difusión latente con regularización por histograma genera nódulos pulmonares realistas para mejorar diagnóstico del cáncer en TC.
¿Qué se descubre primero? Análisis de difusión para texto desde gráficos
Estudio revela que MDLMs descifran entidades primero en generación texto-gráfico. SFT puede fallar, pero decodificación lambda recupera +9.4 BLEU.
TunerDiT: Generación de video multi-evento sin entrenamiento adicional
Descubre TunerDiT: método sin entrenamiento para videos multi-evento con transformadores de difusión. Mejora consistencia y separación de eventos.
DTop-p MoE: Control dinámico de esparcidad en preentrenamiento de modelos
Descubre DTop-p MoE, un nuevo mecanismo de enrutamiento dinámico que aprende el umbral de probabilidad para controlar la esparcidad, superando a Top-k y Top-p fijo en modelos fundacionales.