TRINE: Motor FPGA adaptativo en tiempo real para IA multimodal
Descubre TRINE: motor FPGA adaptativo que acelera inferencia multimodal. Reduce latencia hasta 22.57x con solo 20-21W. Ideal para visión, lenguaje y grafos.
#multimodal
PInVerify: benchmark offline para verificación activa de instancias
PInVerify es un nuevo benchmark offline que evalúa agentes encarnados en la verificación activa de objetos con atributos finos. Descubre cómo funciona y sus resultados con MLLMs.
Ver antes de acordar: alineando consenso multiagente con evidencia visual
Alinea la evidencia visual de múltiples agentes para consenso preciso en VQA. EAGLE: sin entrenamiento, resultados confiables.
ConSensus: colaboración multiagente para sensores multimodales
ConSensus mejora la precisión de sensores multimodales un 7.1% usando fusión híbrida multiagente, robusta ante ruido y datos faltantes. ¡Entérate!
PRISM: Selección Intrínseca de Datos Multimodales sin Entrenamiento
Descubre PRISM, un método que selecciona datos de instrucción visual sin entrenamiento, reduciendo costes y mejorando el rendimiento de modelos multimodales.
UniRTL: Unificando Código y Grafo para Representaciones RTL Robustas
Descubre cómo UniRTL integra código y grafos CDFG para crear representaciones robustas de RTL, acelerando el diseño de hardware con IA multimodal.
Selección de región de confianza basada en BAI para optimización bayesiana
Descubre cómo la identificación del mejor brazo (BAI) mejora la optimización bayesiana en funciones multimodales, acelerando la convergencia al óptimo global.
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.
¿Cuándo las predicciones multimodales son biológicamente válidas?
Descubre cómo DECAT evalúa si las predicciones multimodales en oncología están respaldadas por biología real o por confusores. Un marco post-hoc que revela sesgos ocultos.
Dando voz a los sensores: JEPA multimodal para series temporales
Descubre CHARM, el modelo JEPA multimodal para embeddings semánticos en series temporales. Ideal para anomalías y predicción.
Detección en cualquier escena: marco agéntico con razonamiento experiencial
Descubre DetAS-X, el marco agéntico que adapta la detección de objetos a cualquier escena, mejorando el F1 hasta un 37%.
Detección de odio en video con fusión multimodal razonada
Descubre cómo RAMF mejora la detección de odio en videos con fusión multimodal y razonamiento adversario, superando métodos actuales en 3% y 7%
De la fusión al arbitraje: segmentación 3D multimodal con pocos ejemplos
DA-FSS resuelve el dilema plasticidad-estabilidad en segmentación 3D multimodal con pocos ejemplos, superando a MM-FSS en S3DIS y ScanNet.
MechVQA: Evaluando LLMs multimodales en dibujos mecánicos
MechVQA: el primer dataset completo para evaluar LLMs multimodales en dibujos mecánicos. Supera a modelos cerrados con un 7.57% de precisión extra.
ImmersiveTTS: Texto a Voz Consciente del Entorno con Difusión Multimodal
ImmersiveTTS genera voz natural integrada en entornos reales, superando en naturalidad e inteligibilidad a otros modelos. Conoce cómo logra la alineación semántica con difusión multimodal.
Adaptador Variacional para Representación de Similitud Multimodal
Descubre cómo el Adaptador Variacional mejora la similitud multimodal resolviendo falsos negativos y potenciando la generalización en modelos de visión-lenguaje
¿Juega la información visual un papel decisivo en la conducción de modelos VLA?
Analizamos la relación entre información visual y comportamiento de conducción en modelos VLA mediante perturbaciones controladas. Implicaciones para sistemas más seguros.
Más allá de la clasificación: enrutamiento dinámico en recuperación multimodal
Descubre cómo el enrutamiento dinámico de adaptadores mejora la recuperación multimodal continua, superando métodos tradicionales. Ideal para IA y visión.
ERGeoBench: Benchmark de geolocalización encarnada en MLLMs
ERGeoBench evalúa la geolocalización encarnada de modelos multimodales usando razonamiento espacial y percepción visual. Descubre sus limitaciones.
FBHM: Benchmark funcional y guiado de VLM para detectar memes ofensivos
El nuevo benchmark FBHM revela que los VLM fallan en memes ofensivos. Descubre cómo los vectores de guía aprendibles mejoran la detección en un 30%.