Tokens de Percepción Imaginativa Mejoran Razonamiento Espacial
Los Tokens de Percepción Imaginativa (IPT) mejoran el razonamiento espacial en modelos multimodales sin generar imágenes. Aumento del 3.4% en precisión en conteo multivista.
#visión lenguaje
Revelando la fragilidad de los modelos de visión y lenguaje: Sinergia adversaria multimodal a través de perturbaciones restringidas por textura y optimización entre modalidades
Explora cómo la sinergia adversaria multimodal expone la fragilidad de modelos de visión y lenguaje. Un análisis revelador sobre vulnerabilidades en IA multimodales.