KI-Forschungspapiere Täglich

Täglich kuratierte KI-Forschungspapiere mit Übersetzungen

Aurora-M: Das erste Open-Source mehrsprachige Sprachmodell, das gemäß der US-Exekutivanordnung red teamed wurde.
Aurora-M: The First Open Source Multilingual Language Model Red-teamed according to the U.S. Executive Order

Taishi Nakamura, Mayank Mishra, Simone Tedeschi, Yekun Chai, Jason T Stillerman, Felix Friedrich, Prateek Yadav, Tanmay Laud, Vu Minh Chien, Terry Yue Zhuo, Diganta Misra, Ben Bogin, Xuan-Son Vu, Marzena Karpinska, Arnav Varma Dantuluri, Wojciech Kusa, Tommaso Furlanello, Rio Yokota, Niklas Muennighoff, Suhas Pai, Tosin Adewumi, Veronika Laippala, Xiaozhe Yao, Adalberto Junior, Alpay Ariyak, Aleksandr Drozd, Jordan Clive, Kshitij Gupta, Liangyu Chen, Qi Sun, Ken Tsui, Noah Persaud, Nour Fahmy, Tianlong Chen, Mohit Bansal, Nicolo Monti, Tai Dang, Ziyang Luo, Tien-Tung Bui, Roberto Navigli, Virendra Mehta, Matthew Blumberg, Victor May, Huu Nguyen, Sampo Pyysalo•Mar 30, 2024•431

Den richtigen Weg einschlagen: Verbesserung der räumlichen Konsistenz in Text-zu-Bild-Modellen
Getting it Right: Improving Spatial Consistency in Text-to-Image Models

Agneet Chatterjee, Gabriela Ben Melech Stan, Estelle Aflalo, Sayak Paul, Dhruba Ghosh, Tejas Gokhale, Ludwig Schmidt, Hannaneh Hajishirzi, Vasudev Lal, Chitta Baral, Yezhou Yang•Apr 1, 2024•323

FlexiDreamer: Generierung von 3D-Modellen aus Einzelbildern mit FlexiCubes
FlexiDreamer: Single Image-to-3D Generation with FlexiCubes

Ruowen Zhao, Zhengyi Wang, Yikai Wang, Zihan Zhou, Jun Zhu•Apr 1, 2024•242

MaGRITTe: Manipulative und Generative 3D Realisierung aus Bild, Vogelperspektive und Text
MaGRITTe: Manipulative and Generative 3D Realization from Image, Topview and Text

Takayuki Hara, Tatsuya Harada•Mar 30, 2024•1811

Messung der Stilähnlichkeit in Diffusionsmodellen
Measuring Style Similarity in Diffusion Models

Gowthami Somepalli, Anubhav Gupta, Kamal Gupta, Shramay Palta, Micah Goldblum, Jonas Geiping, Abhinav Shrivastava, Tom Goldstein•Apr 1, 2024•171

CosmicMan: Ein Text-zu-Bild-Grundlagenmodell für Menschen
CosmicMan: A Text-to-Image Foundation Model for Humans

Shikai Li, Jianglin Fu, Kaiyuan Liu, Wentao Wang, Kwan-Yee Lin, Wayne Wu•Apr 1, 2024•161

Dichtes Videobeschreibung in Echtzeit
Streaming Dense Video Captioning

Xingyi Zhou, Anurag Arnab, Shyamal Buch, Shen Yan, Austin Myers, Xuehan Xiong, Arsha Nagrani, Cordelia Schmid•Apr 1, 2024•132

Bedingungsabhängiges neuronales Netzwerk für kontrollierte Bildgenerierung
Condition-Aware Neural Network for Controlled Image Generation

Han Cai, Muyang Li, Zhuoyang Zhang, Qinsheng Zhang, Ming-Yu Liu, Song Han•Apr 1, 2024•131

Direkte Präferenzoptimierung großer multimodaler Videomodelle aus der Belohnung von Sprachmodellen
Direct Preference Optimization of Video Large Multimodal Models from Language Model Reward

Ruohong Zhang, Liangke Gui, Zhiqing Sun, Yihao Feng, Keyang Xu, Yuanhan Zhang, Di Fu, Chunyuan Li, Alexander Hauptmann, Yonatan Bisk, Yiming Yang•Apr 1, 2024•121

WavLLM: Auf dem Weg zu einem robusten und anpassungsfähigen Sprach-LLM
WavLLM: Towards Robust and Adaptive Speech Large Language Model

Shujie Hu, Long Zhou, Shujie Liu, Sanyuan Chen, Hongkun Hao, Jing Pan, Xunying Liu, Jinyu Li, Sunit Sivasankaran, Linquan Liu, Furu Wei•Mar 31, 2024•111

Geräuschempfindliches Training von Layout-empfindlichen Sprachmodellen
Noise-Aware Training of Layout-Aware Language Models

Ritesh Sarkhel, Xiaoqi Ren, Lauro Beltrao Costa, Guolong Su, Vincent Perot, Yanan Xie, Emmanouil Koukoumidis, Arnab Nandi•Mar 30, 2024•101

ST-LLM: Große Sprachmodelle sind effektive zeitliche Lernende.
ST-LLM: Large Language Models Are Effective Temporal Learners

Ruyang Liu, Chen Li, Haoran Tang, Yixiao Ge, Ying Shan, Ge Li•Mar 30, 2024•81