Geometría global no basta para visión artificial
Descubre por qué la geometría global no basta para la composición visual y cómo la sensibilidad funcional predice mejor la representación.
#geometría
Cómo las pérdidas neuronales afectan los latentes de VAE
Las pérdidas neuronales reducen la información en los latentes de VAE y cambian su geometría. Aprende cómo afectan el equilibrio tasa-distorsión.
Inferencia cero-shot certificada con geometría latente compartida
Nueva arquitectura de dos vías logra inferencia cero-shot certificada en sistemas eléctricos. Supera al método Newton-Raphson con precisión y velocidad.
Más allá del simplex: Geometría de prototipos balanceados
Un nuevo enfoque teórico para el reconocimiento de clases abiertas usando prototipos balanceados. Ideal para seguridad en imágenes médicas.
Geometría determinista: escalando pre-construcción con AutoCAD
Resuelve choques espaciales y errores de geometría en pre-construcción con AutoCAD avanzado. Minimiza la deuda constructiva y escala tu proyecto con precisión.
Geometría ordinal emergente en Transformers entrenados con comparaciones locales
Una investigación revela que los Transformers aprenden inferencia transitiva mediante una geometría ordinal emergente, replicando el efecto de distancia simbólica observado en humanos y animales.
Difusión de imágenes con geometría explícita del manifold de datos
MIND: modelo de difusión con geometría explícita del manifold. Reduce FID a 2.06 con solo 130M parámetros, superando a LlamaGen-3B. ¡Descubre cómo!
Política de Deriva Implícita: acciones en un paso con geometría condicional
IDP: genera acciones en un paso con corrección del entrenamiento usando geometría condicional de experto. Ideal para control robótico de alta frecuencia.
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
Rompiendo las burbujas de información con sistemas de recomendación
Descubre cómo HERec, un nuevo marco hiperbólico, rompe las burbujas de información al equilibrar exploración y explotación, mejorando la diversidad en tus recomendaciones.
Puentes de Schrödinger basados en geometría para fusión multimodal fiable
Descubre cómo GMF usa corrección de transporte geométrica para evaluar fiabilidad en fusión multimodal, rompiendo la dependencia de confianza del modelo.
Representaciones jerárquicas y composicionales nativas con embeddings de subespacio
Descubre cómo los embeddings como subespacios capturan jerarquías y composición lógica, superando vectores tradicionales en inferencia y negación.
SPUNA: aprendizaje PU robusto para detectar cambio de covariable
SPUNA detecta cambios de covariable con aprendizaje PU y geometría local, igualando rendimiento supervisado. Ideal para visión robusta.
Geometría de la información de Softmax: Sondas y dirección
Explora la geometría informacional en softmax para entender la codificación semántica en IA. Dirección dual: controla conceptos con precisión.