MultiToP: Parcheo de tokens visuales contra alucinaciones en video
Aprende cómo MultiToP parchea tokens visuales para reducir alucinaciones en modelos de video. Mejora F1 en 50.6% sin afectar rendimiento.
#llava
Supervisión textual potencia representaciones geoespaciales en VLM
Descubre cómo la supervisión textual mejora las representaciones geoespaciales en modelos de IA. Análisis de CLIP, LLaVA y más. ¡Optimiza tu comprensión espacial!
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.