DirectAnimator: Animación humana directa desde videos
Descubre cómo DirectAnimator aprende animación humana directamente desde videos, sin esqueletos ni estimación de pose, con alta calidad y menor coste computacional.
#procesamiento de video
MACD: Decodificación Contrastiva Consciente del Modelo
¿Alucinaciones en Video-LLMs? MACD usa datos contrafactuales guiados por el modelo para reducirlas. Mejora la precisión en videos complejos. Descubre más.
Percepción Activa de Video: Búsqueda Iterativa de Evidencia para Video Largo
Descubre cómo AVP reduce un 81% el tiempo de inferencia y mejora la precisión al entender videos largos buscando evidencia clave.
GenSpan: Prioridades de movimiento para múltiples verbos en video
Aprende cómo GenSpan utiliza calibración de movimiento para recuperar momentos en video con múltiples verbos, mejorando precisión y reduciendo costos.
Reconocimiento de matrículas en tiempo real con YOLOv8, SORT e interpolación
Aprende cómo YOLOv8 y SORT mejoran el reconocimiento de matrículas en tiempo real, con interpolación temporal para mayor precisión en condiciones adversas.
Gemma 4 12B: Modelo multimodal sin codificadores que funciona en 16 GB
Descubre Gemma 4 12B, el modelo de IA de Google DeepMind que procesa texto, imagen, audio y video sin codificadores externos. Funciona en laptops con 16 GB.
Qwen3.7-Plus de Alibaba: multimodal a bajo costo, pero propietario
Nuevo modelo multimodal de Alibaba, Qwen3.7-Plus, a bajo costo pero propietario. Analizamos su rendimiento, precios y licencia.