Características aleatorias para kernels Bernstein-Schur con modulación y aleatorización radial
Nuevo método de características aleatorias para kernels Bernstein-Schur: modulación esbozada y aleatorización radial optimizan el aprendizaje automático.
#modulación
Rompiendo el bloqueo en generación de imágenes con IA
Descubre DAVE, un método que rompe el bloqueo de homogeneidad en generación de imágenes con IA, mejorando la diversidad sin coste adicional.
MoDA: Adaptador de modulación para anclaje visual fino en MLLMs instructivos
Descubre MoDA, un adaptador ligero que mejora el anclaje visual en MLLMs mediante modulación por canal. Logra hasta +12 puntos en MMVP. ¡Código abierto!
Modelado de sonido de motor con redes neuronales informadas por física
Descubre cómo el modelo PTR sintetiza sonidos de motor realistas usando redes neuronales informadas por física, mejorando la reconstrucción armónica un 21%.
Equilibrio entre simetría y eficiencia en modelos de flujo de grafos
Acelera el entrenamiento de modelos generativos de grafos relajando la equivarianza. Aprende cómo la modulación de simetría reduce el sobreajuste y alcanza mejo
Parsimonia tonal en análisis de secuencias de acordes: algoritmos exactos
Descubre cómo la parsimonia tonal optimiza secuencias de acordes: reduce modulaciones y vocabulario. Algoritmos exactos para armonía.
Que la luz sea: Reflexión, Refracción y Dispersión para Operadores Neurales
Descubre LiNO, operador neural inspirado en luz que separa modulación local y comunicación global con eficiencia cuadrática a lineal. Ideal para PDEs paramétricas.
Calibración contextual multimodal: qué conservar antes de fusionar
Descubre cómo calibrar señales multimodales antes de fusionarlas mejora el rendimiento en reconocimiento de emociones, detección de eventos y más.
FAiT: Transformer Invertido Consciente de la Frecuencia para Series Temporales
Descubre FAiT: supera el sesgo de baja frecuencia y modula dinámicamente frecuencias para pronósticos precisos de series temporales multivariables.
FAiT: Transformer Invertido Consciente de Frecuencia para Series Temporales
FAiT: Transformer invertido que corrige el sesgo de baja frecuencia en pronóstico de series temporales multivariadas con modulación dinámica
Un marco matemático de conflicto para modulación de datos contextuales
Descubre un marco matemático que redefine el conflicto en datos contextuales como objeto independiente. Ideal para modulación y análisis.