5 ideas creativas para publicaciones sociales atractivas
Descubre 5 ideas creativas para publicaciones sociales: UGC, tendencias, encuestas, detrás de escenas y visuales. ¡Aumenta el engagement!
#visuales
PERIA: Agente visual con herramientas para razonamiento espacial
Descubre PERIA, un agente visual que usa herramientas para mejorar el razonamiento espacial. Supera a modelos grandes en tareas de mapas, probing y reconstrucción.
VDE Bench: Evaluación de modelos de edición de imágenes en documentos densos
Conoce VDE Bench, el benchmark que evalúa modelos de edición de imágenes en documentos densos bilingües chino-inglés. Ideal para IA.
LatentLens: Revelando tokens visuales interpretables en LLMs
Descubre LatentLens, un método que revela qué codifican los tokens visuales en modelos de lenguaje. Mejora la interpretabilidad de VLMs.
Video con IA: publicidad visual de alta calidad para equipos reducidos
Descubre cómo el video con IA permite a equipos pequeños crear publicidad visual de alta calidad sin grandes presupuestos. ¡Aumenta tu alcance!
AVIS: Escalado Adaptativo en Tiempo de Prueba para Modelos de Visión-Lenguaje
Optimiza el equilibrio entre precisión y cómputo en VLMs con AVIS. Aprende cómo el escalado adaptativo mejora la eficiencia.
¿Importa la pregunta? Selección de datos sin entrenar para SFT visión-lenguaje
CVS selecciona datos de alta calidad para SFT multimodal sin entrenamiento. Mejora un 3.5% usando solo el 10% de los datos y reduce costos un 44%.
MultiToP: Parcheo de tokens visuales contra alucinaciones en video
Aprende cómo MultiToP parchea tokens visuales para reducir alucinaciones en modelos de video. Mejora F1 en 50.6% sin afectar rendimiento.
TextHOI-3D: Generación 3D de interacción mano-objeto desde texto
Descubre TextHOI-3D, modelo que crea mallas 3D realistas de manos interactuando con objetos a partir de texto, usando múltiples vistas y optimización.
Reroute, no eliminar: enrutamiento visual recuperable en VLMs
Descubre cómo Reroute optimiza tokens visuales en VLMs, mejora grounding y mantiene rendimiento VQA. Técnica sin entrenamiento que redirige tokens.
Visual-SDPO: optimización de políticas con retroalimentación visual
Aprende cómo Visual-SDPO optimiza la generación de gráficos, webs y presentaciones con IA, reduciendo defectos visuales mediante autodestilación.
ChartAgent: Agente multimodal para razonamiento visual en gráficos complejos
Descubre ChartAgent, un agente multimodal que razona visualmente sobre gráficos complejos sin depender de textos. Logra hasta un 16% más de precisión.
NuWa: Vision Transformers ligeros y específicos para edge
Descubre NuWa, el método que crea Vision Transformers ligeros para edge con mayor precisión específica por clase y sin reentrenamiento.
phepy: Benchmarks visuales y mejoras para detectores fuera de distribución
Descubre phepy, un benchmark visual para evaluar detectores OOD, y las mejoras como t-poking y ponderación que afinan la frontera ID-OOD.
Ver para Creer: Reescritura de Prompts con Anclas Visuales
Descubre FaithRewriter, innovador marco que alinea reescritura de prompts con anclas visuales para generar imágenes fieles a la intención del usuario.
FiberTune: Residuos visuales de acción en ajuste fino VLA
FiberTune mejora el ajuste fino de políticas VLA preservando residuos visuales clave, logrando +10.7% en éxito de tareas robóticas sin costo de inferencia.
¿Cuántos contrafactuales? Sondeando alucinaciones VLM
Analiza alucinaciones VLM mediante contrafactuales y efectos causales. Descubre cuántas muestras se requieren para detectar inestabilidad.
Atención Consistente en Preguntas Visuales Médicas con Modelos Base
Aprende cómo la atención consistente guiada por modelos base de visión optimiza el diagnóstico en radiografías de tórax con preguntas visuales longitudinales.
Inserción de objetos 3D con control de pose mediante DIRECT
Descubre DIRECT, el innovador marco que permite insertar objetos en imágenes con control preciso de su pose 3D, manteniendo alta fidelidad visual y adaptación al fondo.
La geometría de los fallos representacionales en modelos de visión-lenguaje
Estudio revela cómo la geometría de representaciones internas en VLMs causa alucinaciones. Aprende sobre vectores conceptuales y fallos visuales.