Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

MagicFace: Edición de Expresiones Faciales de Alta Fidelidad con Control de Unidades de Acción
MagicFace: High-Fidelity Facial Expression Editing with Action-Unit Control

Mengting Wei, Tuomas Varanka, Xingxun Jiang, Huai-Qian Khor, Guoying Zhao•Jan 4, 2025•52

Espejo Mágico: Generación de Video con Preservación de ID en Difusión de Video Transformers
Magic Mirror: ID-Preserved Video Generation in Video Diffusion Transformers

Yuechen Zhang, Yaoyang Liu, Bin Xia, Bohao Peng, Zexin Yan, Eric Lo, Jiaya Jia•Jan 7, 2025•152

PPTAgent: Generación y Evaluación de Presentaciones Más Allá de Texto a Diapositivas
PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides

Hao Zheng, Xinyan Guan, Hao Kong, Jia Zheng, Hongyu Lin, Yaojie Lu, Ben He, Xianpei Han, Le Sun•Jan 7, 2025•203

OpenOmni: Modelos de Lenguaje Grandes Pivotan Alineación Omnimodal Sin Etiquetas a través de Idiomas con Síntesis de Habla Emocional en Tiempo Real Autoconsciente
OpenOmni: Large Language Models Pivot Zero-shot Omnimodal Alignment across Language with Real-time Self-Aware Emotional Speech Synthesis

Run Luo, Ting-En Lin, Haonan Zhang, Yuchuan Wu, Xiong Liu, Min Yang, Yongbin Li, Longze Chen, Jiaming Li, Lei Zhang, Yangyi Chen, Hamid Alinejad-Rokny, Fei Huang•Jan 8, 2025•164

MoDec-GS: Descomposición de Movimiento Global a Local y Ajuste de Intervalo Temporal para Splatting Gaussiano Dinámico 3D Compacto
MoDec-GS: Global-to-Local Motion Decomposition and Temporal Interval Adjustment for Compact Dynamic 3D Gaussian Splatting

Sangwoon Kwak, Joonsoo Kim, Jun Young Jeong, Won-Sik Cheong, Jihyong Oh, Munchurl Kim•Jan 7, 2025•92

Plataforma Modelo de la Fundación Cosmos World para la IA Física
Cosmos World Foundation Model Platform for Physical AI

NVIDIA, Niket Agarwal, Arslan Ali, Maciej Bala, Yogesh Balaji, Erik Barker, Tiffany Cai, Prithvijit Chattopadhyay, Yongxin Chen, Yin Cui, Yifan Ding, Daniel Dworakowski, Jiaojiao Fan, Michele Fenzi, Francesco Ferroni, Sanja Fidler, Dieter Fox, Songwei Ge, Yunhao Ge, Jinwei Gu, Siddharth Gururani, Ethan He, Jiahui Huang, Jacob Huffman, Pooya Jannaty, Jingyi Jin, Seung Wook Kim, Gergely Klár, Grace Lam, Shiyi Lan, Laura Leal-Taixe, Anqi Li, Zhaoshuo Li, Chen-Hsuan Lin, Tsung-Yi Lin, Huan Ling, Ming-Yu Liu, Xian Liu, Alice Luo, Qianli Ma, Hanzi Mao, Kaichun Mo, Arsalan Mousavian, Seungjun Nah, Sriharsha Niverty, David Page, Despoina Paschalidou, Zeeshan Patel, Lindsey Pavao, Morteza Ramezanali, Fitsum Reda, Xiaowei Ren, Vasanth Rao Naik Sabavat, Ed Schmerling, Stella Shi, Bartosz Stefaniak, Shitao Tang, Lyne Tchapmi, Przemek Tredak, Wei-Cheng Tseng, Jibin Varghese, Hao Wang, Haoxiang Wang, Heng Wang, Ting-Chun Wang, Fangyin Wei, Xinyue Wei, Jay Zhangjie Wu, Jiashu Xu, Wei Yang, Lin Yen-Chen, Xiaohui Zeng, Yu Zeng, Jing Zhang, Qinsheng Zhang, Yuxuan Zhang, Qingqing Zhao, Artur Zolkowski•Jan 7, 2025•782

Delfín: Investigación automática de bucle cerrado y abierta a través del pensamiento, la práctica y la retroalimentación.
Dolphin: Closed-loop Open-ended Auto-research through Thinking, Practice, and Feedback

Jiakang Yuan, Xiangchao Yan, Botian Shi, Tao Chen, Wanli Ouyang, Bo Zhang, Lei Bai, Yu Qiao, Bowen Zhou•Jan 7, 2025•153

LLaVA-Mini: Modelos Multimodales Grandes Eficientes de Imagen y Video con un Token de Visión
LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision Token

Shaolei Zhang, Qingkai Fang, Zhe Yang, Yang Feng•Jan 7, 2025•534

Atención Isomórfica Consciente del Grafo para Dinámicas Adaptativas en Transformadores
Graph-Aware Isomorphic Attention for Adaptive Dynamics in Transformers

Markus J. Buehler•Jan 4, 2025•82

Difusión como sombreador: Difusión de video consciente en 3D para un control versátil de generación de video
Diffusion as Shader: 3D-aware Video Diffusion for Versatile Video Generation Control

Zekai Gu, Rui Yan, Jiahao Lu, Peng Li, Zhiyang Dou, Chenyang Si, Zhen Dong, Qifeng Liu, Cheng Lin, Ziwei Liu, Wenping Wang, Yuan Liu•Jan 7, 2025•232

Identificación de Origen Generalizable para Modelos de Difusión de Imagen a Imagen Guiados por Texto
Generalizable Origin Identification for Text-Guided Image-to-Image Diffusion Models

Wenhao Wang, Yifan Sun, Zongxin Yang, Zhentao Tan, Zhengdong Hu, Yi Yang•Jan 4, 2025•32

Sa2VA: Combinando SAM2 con LLaVA para una comprensión densa y fundamentada de imágenes y videos
Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos

Haobo Yuan, Xiangtai Li, Tao Zhang, Zilong Huang, Shilin Xu, Shunping Ji, Yunhai Tong, Lu Qi, Jiashi Feng, Ming-Hsuan Yang•Jan 7, 2025•462

REINFORCE++: Un enfoque simple y eficiente para alinear modelos de lenguaje grandes.
REINFORCE++: A Simple and Efficient Approach for Aligning Large Language Models

Jian Hu•Jan 4, 2025•992

Segmentación de texto y aprendizaje de sus recompensas para mejorar RLHF en modelos de lenguaje.
Segmenting Text and Learning Their Rewards for Improved RLHF in Language Model

Yueqin Yin, Shentao Yang, Yujia Xie, Ziyi Yang, Yuting Sun, Hany Awadalla, Weizhu Chen, Mingyuan Zhou•Jan 6, 2025•92

MotionBench: Evaluación y Mejora de la Comprensión de Movimiento en Video Detallado para Modelos de Lenguaje Visual
MotionBench: Benchmarking and Improving Fine-grained Video Motion Understanding for Vision Language Models

Wenyi Hong, Yean Cheng, Zhuoyi Yang, Weihan Wang, Lefan Wang, Xiaotao Gu, Shiyu Huang, Yuxiao Dong, Jie Tang•Jan 6, 2025•452