VAEs con flujos geométricos latentes estables de alta dimensión para dinámicas
Descubre cómo los autoencoders variacionales con flujos geométricos latentes mejoran la representación de dinámicas en PDEs, reduciendo errores OOD hasta 35%.
#vae
Transformador autoregresivo para síntesis de mecanismos
Nuevo modelo de IA genera mecanismos precisos a partir de trayectorias, superando métodos clásicos con transformadores autoregresivos y VAE.
No hay almuerzo gratis para imágenes sintéticas con datos escasos
Descubre cómo los modelos generativos como VAE, GAN y DDPM se comportan bajo escasez de datos y privacidad diferencial. Un análisis de fidelidad, utilidad y
El Manifold de Datos bajo el Microscopio
Explora el nuevo benchmark que cierra la brecha entre teoría y práctica en deep learning, permitiendo calibrar estimadores geométricos y probar supuestos
Compresión de CSI con Markov VAE contextual en sistemas inalámbricos
El Markov VAE contextual mejora la compresión de CSI en MIMO masivo con retroalimentación limitada. Resultados muestran mejoras significativas.
VAE Markov consciente del contexto para compresión de CSI en sistemas inalámbricos
Descubre cómo el VAE Markov consciente del contexto mejora la compresión de CSI en sistemas MIMO masivos, optimizando la retroalimentación limitada. ¡Lee más!
Alineación latente entre sujetos guiada por tareas con VAE multi-codificador
MED-VAE alinea actividad cerebral entre sujetos sin estímulos compartidos, creando espacio latente común para decodificación cruzada de imágenes.
Suavizando áreas oscuras en difusión latente molecular
Descubre cómo TopVAE elimina áreas oscuras en difusión latente molecular. Mejora generación 3D con 77% menos FCD-3D en QM9. ¡Lee más!
Suavizando áreas oscuras en difusión latente molecular
Descubre cómo TopVAE reduce las áreas oscuras en la difusión latente molecular, mejorando la generación de moléculas 3D válidas y estables.
Modelo de atención para predicción robusta con datos incompletos
Descubre un modelo de atención que aprende con datos incompletos en robótica. Mejora la predicción de trayectorias y manipulación con sensores faltantes.
Clasificación HCQ de Alzheimer con β-VAE supervisado y kernels cuánticos
Pipeline híbrido clásico-cuántico con autoencoder supervisado y kernels cuánticos logra 72% de precisión en Alzheimer en resonancias magnéticas.
Modelos generativos para música de Bach: autorregresivos, latentes, adversariales
Comparamos modelos autorregresivos, latentes y adversariales para generar música de Bach. ¿Cuál produce mejores resultados?
HELVAE: Autoencoders Multimodales con Divergencia Hellinger
Descubre cómo HELVAE mejora los autoencoders multimodales usando la divergencia Hellinger para representaciones latentes más expresivas y mejor equilibrio entre coherencia y calidad.
Descubrimiento Discreto de Conceptos entre Capas para Modelos de Lenguaje
CLVQ-VAE logra interpretar modelos de lenguaje con precisión humana del 78% y elimina conceptos clave reduciendo la precisión hasta un 93%. ¡Descúbrelo!
Descubrimiento Discreto de Conceptos entre Capas para Interpretar Modelos de Lenguaje
Descubre cómo CLVQ-VAE revela conceptos discretos en modelos de lenguaje, mejorando la interpretabilidad con hasta 93% de precisión en eliminación de conceptos.
Subespacio de color latente: orden en caos de alta dimensión
Interpreta y controla el color en el espacio latente de FLUX.1 sin entrenamiento. Manipulación algebraica para generar imágenes con colores específicos.
Detección OOD latente guiada por Mahalanobis para control híbrido ES-DRL
Detección de anomalías latentes para control híbrido en sistemas variables. Aprende cómo el método Mahalanobis-VAE mejora la seguridad en aceleradores de partículas.
DeepRHP: VAE híbrido para diseñar heteropolímeros que imitan proteínas
Descubre cómo DeepRHP, un autoencoder variacional híbrido, diseña heteropolímeros que imitan proteínas para estabilizar membranas celulares.
LLM como discriminador: tablas sintéticas que aún parecen reales
¿Puede un LLM distinguir datos reales de sintéticos? Descubre cómo auditar la privacidad en tablas sintéticas con nuestro análisis basado en LLaMA y Gemini.
Evaluación de peligro sísmico espacio-temporal con VQ-VAE y SSFs
Descubre cómo un modelo híbrido VQ-VAE y características estadísticas mejora la predicción sísmica localizada en Japón, superando métodos tradicionales.