Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

ObjectMate: Un prior de recurrencia para la inserción de objetos y la generación impulsada por el sujeto
ObjectMate: A Recurrence Prior for Object Insertion and Subject-Driven Generation

Daniel Winter, Asaf Shul, Matan Cohen, Dana Berman, Yael Pritch, Alex Rav-Acha, Yedid Hoshen•Dec 11, 2024•112

TraceVLA: La Promoción Visual de Rastreo Mejora la Conciencia Espacio-Temporal para Políticas Robóticas Generalistas
TraceVLA: Visual Trace Prompting Enhances Spatial-Temporal Awareness for Generalist Robotic Policies

Ruijie Zheng, Yongyuan Liang, Shuaiyi Huang, Jianfeng Gao, Hal Daumé III, Andrey Kolobov, Furong Huang, Jianwei Yang•Dec 13, 2024•22

FluxSpace: Edición Semántica Desentrañada en Transformadores de Flujo Rectificado
FluxSpace: Disentangled Semantic Editing in Rectified Flow Transformers

Yusuf Dalva, Kavana Venkatesh, Pinar Yanardag•Dec 12, 2024•102

SynerGen-VL: Hacia una comprensión y generación de imágenes sinérgicas con expertos en visión y plegado de tokens.
SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding

Hao Li, Changyao Tian, Jie Shao, Xizhou Zhu, Zhaokai Wang, Jinguo Zhu, Wenhan Dou, Xiaogang Wang, Hongsheng Li, Lewei Lu, Jifeng Dai•Dec 12, 2024•384

GenEx: Generando un Mundo Explorable
GenEx: Generating an Explorable World

Taiming Lu, Tianmin Shu, Junfei Xiao, Luoxin Ye, Jiahao Wang, Cheng Peng, Chen Wei, Daniel Khashabi, Rama Chellappa, Alan Yuille, Jieneng Chen•Dec 12, 2024•972

GReaTer: Los gradientes sobre el razonamiento hacen que los modelos de lenguaje más pequeños sean más sólidos Optimizadores de indicaciones
GReaTer: Gradients over Reasoning Makes Smaller Language Models Strong Prompt Optimizers

Sarkar Snigdha Sarathi Das, Ryo Kamoi, Bo Pang, Yusen Zhang, Caiming Xiong, Rui Zhang•Dec 12, 2024•53

Generación de Música Multimodal con Puentes Explícitos y Aumento de Recuperación
Multimodal Music Generation with Explicit Bridges and Retrieval Augmentation

Baisen Wang, Le Zhuo, Zhaokai Wang, Chenxi Bao, Wu Chengjing, Xuecheng Nie, Jiao Dai, Jizhong Han, Yue Liao, Si Liu•Dec 12, 2024•74

FireFlow: Inversión Rápida del Flujo Rectificado para la Edición Semántica de Imágenes
FireFlow: Fast Inversion of Rectified Flow for Image Semantic Editing

Yingying Deng, Xiangyu He, Changwang Mei, Peisong Wang, Fan Tang•Dec 10, 2024•113

InstanceCap: Mejorando la Generación de Texto a Video a través de Subtítulos Estructurados Conscientes de la Instancia
InstanceCap: Improving Text-to-Video Generation via Instance-aware Structured Caption

Tiehan Fan, Kepan Nan, Rui Xie, Penghao Zhou, Zhenheng Yang, Chaoyou Fu, Xiang Li, Jian Yang, Ying Tai•Dec 12, 2024•193

Modelos de Acción Amplios: Desde la Concepción hasta la Implementación
Large Action Models: From Inception to Implementation

Lu Wang, Fangkai Yang, Chaoyun Zhang, Junting Lu, Jiaxu Qian, Shilin He, Pu Zhao, Bo Qiao, Ray Huang, Si Qin, Qisheng Su, Jiayi Ye, Yudi Zhang, Jian-Guang Lou, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang, Qi Zhang•Dec 13, 2024•355

Prompt2Perturb (P2P): Ataques adversarios basados en difusión guiados por texto en imágenes de ultrasonido mamario
Prompt2Perturb (P2P): Text-Guided Diffusion-Based Adversarial Attacks on Breast Ultrasound Images

Yasamin Medghalchi, Moein Heidari, Clayton Allard, Leonid Sigal, Ilker Hacihaliloglu•Dec 13, 2024•12

SmolTulu: Proporciones más altas de tasa de aprendizaje a tamaño de lote pueden llevar a un mejor razonamiento en SLMs
SmolTulu: Higher Learning Rate to Batch Size Ratios Can Lead to Better Reasoning in SLMs

Sultan Alrashed•Dec 11, 2024•42

SCBench: Un Análisis Centrado en Caché KV de Métodos de Largo Contexto
SCBench: A KV Cache-Centric Analysis of Long-Context Methods

Yucheng Li, Huiqiang Jiang, Qianhui Wu, Xufang Luo, Surin Ahn, Chengruidong Zhang, Amir H. Abdi, Dongsheng Li, Jianfeng Gao, Yuqing Yang, Lili Qiu•Dec 13, 2024•102

BiMediX2: Experto LMM Bio-Médico para Diversas Modalidades Médicas
BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities

Sahal Shaji Mullappilly, Mohammed Irfan Kurpath, Sara Pieri, Saeed Yahya Alseiari, Shanavas Cholakkal, Khaled Aldahmani, Fahad Khan, Rao Anwer, Salman Khan, Timothy Baldwin, Hisham Cholakkal•Dec 10, 2024•282

Modelado Generativo Eficiente con Tokens basados en Cuantificación de Vectores Residuales
Efficient Generative Modeling with Residual Vector Quantization-Based Tokens

Jaehyeon Kim, Taehong Moon, Keon Lee, Jaewoong Cho•Dec 13, 2024•192

Apollo: Una exploración de la comprensión de video en grandes modelos multimodales.
Apollo: An Exploration of Video Understanding in Large Multimodal Models

Orr Zohar, Xiaohan Wang, Yann Dubois, Nikhil Mehta, Tong Xiao, Philippe Hansen-Estruch, Licheng Yu, Xiaofang Wang, Felix Juefei-Xu, Ning Zhang, Serena Yeung-Levy, Xide Xia•Dec 13, 2024•14613

LinGen: Hacia la Generación de Video a partir de Texto de Alta Resolución de Duración Minutaria con Complejidad Computacional Lineal
LinGen: Towards High-Resolution Minute-Length Text-to-Video Generation with Linear Computational Complexity

Hongjie Wang, Chih-Yao Ma, Yen-Cheng Liu, Ji Hou, Tao Xu, Jialiang Wang, Felix Juefei-Xu, Yaqiao Luo, Peizhao Zhang, Tingbo Hou, Peter Vajda, Niraj K. Jha, Xiaoliang Dai•Dec 13, 2024•104

FreeScale: Liberando la resolución de modelos de difusión a través de la Fusión de Escala sin Ajuste.
FreeScale: Unleashing the Resolution of Diffusion Models via Tuning-Free Scale Fusion

Haonan Qiu, Shiwei Zhang, Yujie Wei, Ruihang Chu, Hangjie Yuan, Xiang Wang, Yingya Zhang, Ziwei Liu•Dec 12, 2024•202