Mirage Probes: Cómo los Modelos de Visión Fingen Comprensión Visual
Descubre cómo los modelos de visión-lenguaje fingen entender imágenes. Un estudio revela dos tipos de fallos: sesgos textuales e imágenes espurias. Aprende más.
#representaciones visuales
DeepLatent: Razonamiento visual latente paralelo con imágenes
DeepLatent: revolucionario marco paralelo de razonamiento visual latente. Usa tokens 2D y RL continuo para alcanzar rendimiento de vanguardia en benchmarks clave.
Geometría global no basta para visión artificial
Descubre por qué la geometría global no basta para la composición visual y cómo la sensibilidad funcional predice mejor la representación.
Mejora del alineamiento de representaciones visuales con GRPO
Descubre cómo VRPO mejora el alineamiento de representaciones en difusores mediante optimización por refuerzo, logrando +1.8 FID y 2.3x más rápido que REPA.