JEPAs descompuestos en subespacios: separando progresión y contenido en modelos latentes
SD-JEPA mejora el control en benchmarks al separar progresión y contenido en el latente; su brújula angular detecta eventos mejor que el error de predicción.
SD-JEPA mejora el control en benchmarks al separar progresión y contenido en el latente; su brújula angular detecta eventos mejor que el error de predicción.
La difusión condicionada por el tratamiento predice la progresión neurodegenerativa. Un biomarcador de imagen clave para el diagnóstico y seguimiento temprano.