EgoAERO: Aprendizaje de manipulación diestra desde un único video egocéntrico
EgoAERO: el primer sistema que enseña a robots movimientos diestros desde un video egocéntrico, sin activos de objetos. Resultados reales.
#visión por computador
Diagnóstico visual de fallas y auto-recuperación en robots de fresa
Los robots cosechadores de fresas se recuperan de fallas visuales con IA. Este marco reduce desalineaciones y deslizamientos, logrando un 88% de éxito en recuperación.
Generación de escenas 3D desde una imagen con múltiples agentes
Descubre cómo SceneConductor genera escenas 3D completas a partir de una sola imagen usando orquestación multi-agente. Mayor precisión y realismo.
SuperBrowser: Navegación autónoma web basada en comportamiento humano
Descubre SuperBrowser, el agente de navegación web autónoma que imita el comportamiento humano y alcanza un 89.47% de éxito en Mind2Web. Una revolución en IA.
Localización de eventos audiovisuales con grafos heterogéneos jerárquicos
Nuevo método HSCHG mejora la localización de eventos audiovisuales usando grafos heterogéneos jerárquicos con restricciones semánticas.
Dentro de la mente visual: circuitos de concepto para Vision Transformers
Descubre cómo ViSAE usa circuitos de concepto inspirados en neurociencia para interpretar y guiar Vision Transformers, mejorando precisión y confianza.
MotionEnhancer: difusión video mejora modelos visión-lenguaje en movimiento
Descubre cómo MotionEnhancer usa difusión de video para mejorar la comprensión del movimiento en VLMs, sin parámetros adicionales.
Explicaciones mínimas y suficientes con OPTIMUS-Prime para visión profunda
OPTIMUS-Prime: explicaciones visuales con garantías de suficiencia y minimalidad para modelos de visión profunda. ¡Transparencia en IA!
DaX: Representaciones de patología general a través de escalas
DaX logra el mejor rendimiento en 161 tareas de patología digital. Aprende representaciones generales a través de escalas. ¡Descubre más!
No pauses: Sincronía de video-lenguaje en streaming para comprensión de video
LyraV logra sincronía del 98.29% entre video y lenguaje sin pausas. Procesamiento incremental y control jerárquico para comprensión de video en tiempo real.
GP-Adapter: Detección OOD con pocos ejemplos usando procesos gaussianos
Aprende cómo GP-Adapter integra procesos gaussianos en CLIP para detectar datos fuera de distribución con pocos ejemplos, mejorando la incertidumbre y fiabilidad.
¿Cómo mejora la IA el RAG para el conocimiento interno?
La IA transforma el RAG interno: automatiza decisiones, detecta patrones y ofrece recomendaciones personalizadas. Aumenta la eficiencia y reduce duplicados. ¡Conoce más!
Cómo la IA potencia la eliminación de la entrada manual de datos
Descubre cómo la inteligencia artificial elimina la entrada manual de datos, reduce errores y libera a tu equipo. Q2BSTUDIO.
Planificación espacial visual con autodestilación de brecha de modalidad
MGSD mejora la planificación espacial visual un 19% mediante autodestilación consciente de brecha de modalidad, cerrando la brecha percepción-razonamiento.
FUSAR-GPT: VLM con características espacio-temporales para imágenes SAR
Descubre FUSAR-GPT, el modelo de lenguaje visual que integra características espacio-temporales para mejorar la interpretación de imágenes SAR en más del 10%.
Búsqueda Diferencial y Eficiente de Operadores
Descubre cómo la búsqueda diferencial de operadores optimiza la reducción de tokens en modelos multimodales, mejorando el equilibrio precisión-eficiencia.
Que sea simple: acciones en un solo paso para modelos VLA
Descubre cómo entrenar modelos VLA para generar acciones en un solo paso con técnicas de difusión estándar, mejorando eficiencia en robótica. Resultados sorprendentes en LIBERO.
LadderMan: Escalada de robots humanoides con percepción
LadderMan: robots humanoides escalan escaleras y manipulan objetos. Sistema híbrido de aprendizaje y visión por IA. Transferencia sim-to-real sin ajustes.
GenFT: Ajuste fino generativo y eficiente en parámetros
Descubre GenFT, un método generativo de ajuste fino que extrae patrones de pesos preentrenados para mejorar modelos en NLP y visión. ¡Optimiza tu modelo!
GridPE: Codificación posicional unificada para dimensiones arbitrarias
GridPE: embedding posicional inspirado en células grid que unifica espacios multidimensionales. Supera a RoPE en tareas de visión 2D y 3D. ¡Descúbrelo!