Codificadores Visuales con Estado para Modelos de Visión-Lenguaje
Codificadores visuales con estado mejoran la comparación entre imágenes en modelos de visión-lenguaje, superando a especialistas en radiología y teledetección.
#image
Codificadores visuales con estado para modelos visión-lenguaje
Descubre cómo los codificadores visuales con estado mejoran los modelos visión-lenguaje en tareas multi-imagen y superan a modelos en radiología y teledetección
Diagnóstico espectral de desbalance en modelos visión-lenguaje médico
SAS revela asimetrías en modelos visión-lenguaje médicos, midiendo desequilibrio de modalidad. Útil para diagnóstico práctico en IA clínica.
Aprendizaje funcional profundo bayesiano disperso y selección de regiones
sBayFDNN: modelo bayesiano profundo que selecciona regiones funcionales con incertidumbre cuantificada para predicciones en ECG, neuroimagen y wearables.
Repulsión en el Espacio Contextual para Diversidad en Transformers de Difusión
Descubre cómo la repulsión en el espacio contextual de transformers de difusión genera una rica diversidad sin sacrificar fidelidad visual.
Robustez de modelos vía información de Fisher: límites y algoritmos
Descubre cómo medir la robustez de modelos de IA con la información de Fisher, una métrica atacable-agnóstica que predice vulnerabilidad adversarial. Guía teórica y práctica.
Evaluando la fidelidad del razonamiento en generación visual de texto
¿Los modelos de texto a imagen realmente razonan o solo imitan? Analizamos la fidelidad del razonamiento en generación visual de texto y sus fallos semánticos.
BabyCL: aprendizaje visual y verbal continuo desde entrada egocéntrica
Descubre BabyCL, un marco que procesa vídeos egocéntricos de niños para aprender palabras, reduciendo la brecha con offline. ¡Lee más!
Solucionar error Xcode: Could not find Developer Disk Image
¿Error 'Could not find Developer Disk Image' en Xcode? Aprende a solucionarlo con métodos comprobados: actualiza iOS o restaura desde iTunes. Guía paso a paso.
Wavelet como Tokenizador: Esquema Compartido para Señales Naturales
Descubre cómo un esquema de token wavelet compartido unifica audio, imagen y video con resultados prometedores en PSNR y entrenamiento disperso.
P²-DPO: Calibración de preferencias contra alucinaciones en visión-lenguaje
Descubre cómo P²-DPO reduce alucinaciones en modelos de visión-lenguaje mediante calibración de preferencias, superando métodos con retroalimentación humana.
Self-Soupervision: Cocinar sopas de modelos sin etiquetas
Descubre cómo Self-Soupervision crea sopas de modelos sin etiquetas, mejorando robustez un +3.5% en ImageNet-C y +7% en LAION-C. ¡Optimiza tus modelos!
Segmentación eficiente del plexo coroideo en EM con transformers
Descubre cómo un nuevo método basado en SwinUNETR segmenta el plexo coroideo en esclerosis múltiple con alta precisión y reduce el coste computacional un 99%.
Qwen-Image-Flash: Más allá del diseño objetivo
Descubre cómo Qwen-Image-Flash optimiza el pipeline de entrenamiento en destilación de pocos pasos para modelos visuales, yendo más allá del diseño objetivo.
WISE: Evaluación semántica con conocimiento mundial en T2I
WISE: Benchmark que evalúa conocimiento mundial en T2I. 1000 prompts en 25 subdominios, WiScore mide cultura, espacio-tiempo y ciencia.
PHASE: Reconstrucción Hiperespectral Consciente de Fisiología
PHASE: nuevo método de IA para reconstrucción hiperespectral fisiológica desde RGB. Logra +2.20 SSIM y -3.06 SAM con solo 1.5% de datos. Ideal para diagnóstico no invasivo.
Entrenamiento de red predictiva en ImageNet con propagación de equilibrio
Entrenamiento de red predictiva en ImageNet con propagación de equilibrio logra 13.23% error top-5, igualando casi la retropropagación.
Composición LoRA multiconcepto sin entrenamiento con ponderación por prompt
Aprende a combinar LoRAs sin entrenamiento con ponderación por prompt para lograr composiciones de múltiples conceptos con alta fidelidad.
Análisis de supervivencia con Graph Mamba y ordenación topológica
Descubre cómo TopoMamSurv supera las limitaciones de Mamba en análisis de supervivencia con ordenación topológica y modelado bidireccional.
Poda de redes neuronales profundas mediante la distribución de Marchenko-Pastur
Poda de redes profundas con distribución Marchenko-Pastur: precisión mantenida con mínimo ajuste fino. Resultados en ImageNet con ViT y CNNs.