WorldFly: Navegación de drones con modelos del mundo
Descubre cómo WorldFly usa modelos del mundo para que los drones naveguen en entornos urbanos complejos, prediciendo futuros estados y superando oclusiones.
#visión-lenguaje
HyperLoRA: Amortizando la adaptación federada de modelos fundacionales
HyperLoRA elimina sesgos de agregación y retrasos en inicialización, logrando convergencia más rápida y personalización robusta en modelos fundacionales.
UNIVID: modelo unificado de lenguaje visual para moderación de video
Descubre UNIVID, el modelo que unifica visión y lenguaje para moderar videos con precisión, interpretabilidad y eficiencia, reduciendo violaciones y costos.
CausalPhys: Evaluación de razonamiento físico causal en modelos de visión-lenguaje
Nuevo benchmark CausalPhys con 3,000 preguntas evalúa razonamiento causal en VLMs. Mejora precisión e interpretabilidad con aprendizaje causal.
Almieyar-Oryx-BloomBench: Evaluación cognitiva bilingüe de VLMs
BloomBench: el primer benchmark bilingüe para evaluar cognitivamente modelos de visión-lenguaje. Asimetrías clave entre árabe e inglés.
BloomBench: Benchmark bilingüe multimodal para evaluación cognitiva de VLMs
Descubre BloomBench, benchmark bilingüe (árabe-inglés) que evalúa la capacidad cognitiva de modelos visión-lenguaje. Revela brechas en memoria y creatividad.
DRIFT: Adaptador de flujo residual para salidas continuas en modelos de lenguaje visual
Descubre cómo DRIFT adapta modelos de visión-lenguaje para generar salidas continuas con precisión, mejorando tareas como grounding visual y control robótico.
DRIFT: Adaptador de flujo residual para salidas continuas en VLMs
DRIFT adapta modelos VLM para salidas continuas con un adaptador de flujo residual, mejorando precisión en percepción y control robótico.
Un marco de visión-lenguaje para razonamiento comparativo en radiología
MedReCo: un framework que permite a la IA razonar comparativamente entre imágenes radiológicas, mejorando diagnósticos y seguimientos. Resultados clínicos superiores.
LEVANTE-bench: Comparación multiescala de VLMs con niños
Descubre cómo LEVANTE-bench compara modelos de IA con niños de 5 a 12 años en tareas cognitivas. ¿Son los VLMs más inteligentes que un niño de 5º grado?
Rompiendo el cuello de botella perceptual en IA con SceneDiver
Descubre cómo SceneDiver rompe el cuello de botella perceptual en IA visión-lenguaje, reduciendo alucinaciones visuales en robótica y navegación.
Modelo VLM consciente de creencias para razonamiento humano
Descubre cómo el modelo VLM consciente de creencias combina memoria y RL para un razonamiento similar al humano. Mejora en QA visual con HD-EPIC. ¡Lee más!
ZeroWBC: Interacción humanoide natural desde datos egocéntricos
Descubre cómo ZeroWBC permite a humanoides interactuar de forma natural sin teleoperación, aprendiendo de videos egocéntricos.
EvoPrompt: Evolución Guiada de Prompts para VLMs
EvoPrompt: evolución guiada de prompts para adaptación sin olvido de VLMs en pocos datos. Preserva conocimiento pre-entrenado.
Codificadores Visuales con Estado para Modelos de Visión-Lenguaje
Codificadores visuales con estado mejoran la comparación entre imágenes en modelos de visión-lenguaje, superando a especialistas en radiología y teledetección.
Codificadores visuales con estado para modelos visión-lenguaje
Descubre cómo los codificadores visuales con estado mejoran los modelos visión-lenguaje en tareas multi-imagen y superan a modelos en radiología y teledetección
Diagnóstico espectral de desbalance en modelos visión-lenguaje médico
SAS revela asimetrías en modelos visión-lenguaje médicos, midiendo desequilibrio de modalidad. Útil para diagnóstico práctico en IA clínica.
KODA: Comparación y alineación de representaciones en modelos visión-lenguaje
KODA compara y alinea representaciones de modelos visión-lenguaje como CLIP y SigLIP usando kernels. Identifica discrepancias estructurales interpretables.
VISTA: Adaptación con visión y validación física de datos UMI para entrenamiento VLA
Descubre cómo VISTA combina visión y validación física para adaptar datos UMI y entrenar modelos VLA, mejorando el rendimiento en manipulación robótica real.
Destilación Geométrica para Ajuste de Prompts en Modelos Biomédicos
Descubre cómo OGKD mejora la precisión en modelos médicos al respetar relaciones entre clases. Resultados superiores en 11 datasets.