FusionRS: Dataset de teledetección RGB-Infrarrojo para modelos visión-lenguaje
Descubre FusionRS, el primer dataset RGB-Infrarrojo-texto para teledetección. Mejora alineación y descripciones multimodales.
#imo
Atención, no escala, impulsa alineación humano-IA en predicción multimodal
Descubre cómo la atención selectiva, no la escala del modelo, mejora la alineación entre humanos e IA en la predicción del lenguaje multimodal. Estudio con 600
Mecanismo de atención para integración multimodal robusta
Aprende cómo un mecanismo de atención ligero mejora la robustez en sistemas multimodales usando un selector top-down. Resultados en MM-IMDb.
Atención Robusta para Integración Multimodal en Espacio Global
Mejora la robustez de sistemas multimodales con un selector de modalidad ligero. Basado en la Teoría del Espacio Global, ofrece resultados superiores incluso
AIQI: Primera IA Universal sin Modelo
Descubre AIQI, el primer agente de IA universal sin modelo que demuestra optimalidad asintótica en aprendizaje por refuerzo general. ¡Revoluciona la IA!
Variables Canónicas en el Espacio Métrico de Wasserstein
Descubre cómo las variables canónicas en el espacio métrico de Wasserstein mejoran la clasificación de distribuciones mediante la maximización de la razón de
Sensado virtual para monitoreo en tiempo real de zonas inaccesibles
Descubre cómo MIMONet utiliza operadores neuronales para monitorizar en tiempo real zonas inaccesibles en sistemas energéticos, con errores menores al 5% y
Flujo Eficiente con Variables Latentes
Descubre Latent-CFM, un modelo que usa variables latentes para un flujo eficiente en generación de imágenes. Mayor calidad, menos entrenamiento y recursos.
Transporte Óptimo para Aprendices de Machine Learning
Descubre cómo el transporte óptimo revoluciona el machine learning: desde distancias de Wasserstein hasta modelos generativos. Una guía completa para
Reducción de tokens en modelos generativos: más allá de la eficiencia
Descubre cómo la reducción de tokens va más allá de la eficiencia en IA generativa: mejora integración multimodal, reduce alucinaciones y optimiza rendimiento.
Múltiples descensos en deep learning: transiciones orden-caos en LSTM
Descubre cómo las redes LSTM muestran múltiples ciclos de rendimiento tras el sobreentrenamiento, vinculados a transiciones entre orden y caos. El punto óptimo
¿Son los modelos neuroinspirados resistentes a la inferencia de membresía?
Descubre cómo los modelos neuroinspirados de visión-lenguaje reducen un 24% los ataques de inferencia de membresía sin comprometer su utilidad. ¡Lee más!
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.
UniT: Escalado en tiempo de prueba con cadena de pensamiento multimodal
UniT permite a modelos unificados razonar, verificar y refinar en múltiples rondas, mejorando tareas complejas de composición visual y comprensión.
MAND: Detección de Novedades Multimodal en Actividades Egocéntricas
MAND: detección de novedades multimodal en actividades egocéntricas. Mejora precisión usando RGB e IMU con puntuaciones adaptativas.
MuVAP: Modelo multimodal para predicción de turnos en conversaciones
Descubre MuVAP, el modelo que predice quién hablará usando solo audio y una cámara. Ideal para robots sociales. Más preciso que los modelos actuales.
MatchLM2Lite: De MLLM a Lite para identificación de contenido reproducido
Aprende cómo MatchLM2Lite identifica contenido reproducido en tiempo real con destilación MLLM. Reduce vistas duplicadas un 2.5% sin afectar engagement.
Cribado neurodegenerativo con LLM multimodales unificando acústica y texto
NeurMLLM unifica acústica y texto con LLM multimodales para detectar Alzheimer y Parkinson. Resultados superiores en clasificación de etapas.
RL eficiente para razonamiento visual-textual con difusión discreta
Descubre cómo la difusión discreta reduce un 26.9% el cómputo en razonamiento visual-textual y la recompensa factorizada mejora un 11.2% el rendimiento.
Segmentación robusta de imágenes con votación de máscaras geodésicas
Descubre un nuevo método de segmentación de imágenes basado en votación de máscaras geodésicas que supera las limitaciones de inicialización y logra precisión