Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

RecetteLongue: Recette pour une Généralisation Efficace des Longs Contextes dans les Grands Modèles de Langage
LongRecipe: Recipe for Efficient Long Context Generalization in Large Languge Models

Zhiyuan Hu, Yuliang Liu, Jinman Zhao, Suyuchen Wang, Yan Wang, Wei Shen, Qing Gu, Anh Tuan Luu, See-Kiong Ng, Zhiwei Jiang, Bryan Hooi•Aug 31, 2024•422

OD-VAE : Un compresseur vidéo omni-dimensionnel pour améliorer le modèle de diffusion vidéo latent
OD-VAE: An Omni-dimensional Video Compressor for Improving Latent Video Diffusion Model

Liuhan Chen, Zongjian Li, Bin Lin, Bin Zhu, Qian Wang, Shenghai Yuan, Xing Zhou, Xinghua Cheng, Li Yuan•Sep 2, 2024•142

DepthCrafter : Génération de séquences de profondeur longues et cohérentes pour les vidéos en monde ouvert
DepthCrafter: Generating Consistent Long Depth Sequences for Open-world Videos

Wenbo Hu, Xiangjun Gao, Xiaoyu Li, Sijie Zhao, Xiaodong Cun, Yong Zhang, Long Quan, Ying Shan•Sep 3, 2024•373

Suivez-Votre-Toile : Restauration de Vidéo Haute Résolution avec Génération de Contenu Étendue
Follow-Your-Canvas: Higher-Resolution Video Outpainting with Extensive Content Generation

Qihua Chen, Yue Ma, Hongfa Wang, Junkun Yuan, Wenzhe Zhao, Qi Tian, Hongmei Wang, Shaobo Min, Qifeng Chen, Wei Liu•Sep 2, 2024•62

Génération vidéo 3D-aware compositionnelle avec le directeur LLM
Compositional 3D-aware Video Generation with LLM Director

Hanxin Zhu, Tianyu He, Anni Tang, Junliang Guo, Zhibo Chen, Jiang Bian•Aug 31, 2024•152

VideoLLaMB : Compréhension de vidéos à long contexte avec mémoire récurrente
VideoLLaMB: Long-context Video Understanding with Recurrent Memory Bridges

Yuxuan Wang, Cihang Xie, Yang Liu, Zilong Zheng•Sep 2, 2024•286

Compression précise des modèles de diffusion texte-image via la quantification vectorielle
Accurate Compression of Text-to-Image Diffusion Models via Vector Quantization

Vage Egiazarian, Denis Kuznedelev, Anton Voronov, Ruslan Svirschevski, Michael Goin, Daniil Pavlov, Dan Alistarh, Dmitry Baranchuk•Aug 31, 2024•112

OLMoE : Modèles de Langage à Mélange d'Experts Ouverts
OLMoE: Open Mixture-of-Experts Language Models

Niklas Muennighoff, Luca Soldaini, Dirk Groeneveld, Kyle Lo, Jacob Morrison, Sewon Min, Weijia Shi, Pete Walsh, Oyvind Tafjord, Nathan Lambert, Yuling Gu, Shane Arora, Akshita Bhagia, Dustin Schwenk, David Wadden, Alexander Wettig, Binyuan Hui, Tim Dettmers, Douwe Kiela, Ali Farhadi, Noah A. Smith, Pang Wei Koh, Amanpreet Singh, Hannaneh Hajishirzi•Sep 3, 2024•804

LinFusion : 1 GPU, 1 minute, image de 16K
LinFusion: 1 GPU, 1 Minute, 16K Image

Songhua Liu, Weihao Yu, Zhenxiong Tan, Xinchao Wang•Sep 3, 2024•354

Kvasir-VQA : Un ensemble de données de paires texte-image du tractus gastro-intestinal
Kvasir-VQA: A Text-Image Pair GI Tract Dataset

Sushant Gautam, Andrea Storås, Cise Midoglu, Steven A. Hicks, Vajira Thambawita, Pål Halvorsen, Michael A. Riegler•Sep 2, 2024•722

Optimisation de la Politique de Diffusion
Diffusion Policy Policy Optimization

Allen Z. Ren, Justin Lidard, Lars L. Ankile, Anthony Simeonov, Pulkit Agrawal, Anirudha Majumdar, Benjamin Burchfiel, Hongkai Dai, Max Simchowitz•Sep 1, 2024•212

Réseau de traitement de la parole basé sur l'attention adaptative à la densité : Amélioration de la compréhension des caractéristiques pour les troubles de santé mentale
Density Adaptive Attention-based Speech Network: Enhancing Feature Understanding for Mental Health Disorders

Georgios Ioannides, Adrian Kieback, Aman Chadha, Aaron Elkins•Aug 31, 2024•43

PrivacyLens : Évaluation de la conscience des normes de confidentialité des modèles de langage en action
PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action

Yijia Shao, Tianshi Li, Weiyan Shi, Yanchen Liu, Diyi Yang•Aug 29, 2024•12

ContextCite: Attribution de la génération de modèle au contexte
ContextCite: Attributing Model Generation to Context

Benjamin Cohen-Wang, Harshay Shah, Kristian Georgiev, Aleksander Madry•Sep 1, 2024•143

GenAgent : Construire des Systèmes d'IA Collaboratifs avec un Flux de Travail Automatisé Génération -- Études de Cas sur ComfyUI
GenAgent: Build Collaborative AI Systems with Automated Workflow Generation -- Case Studies on ComfyUI

Xiangyuan Xue, Zeyu Lu, Di Huang, Wanli Ouyang, Lei Bai•Sep 2, 2024•93

Savoir quand fusionner : Étude de la recherche hybride en langue non anglaise dans le domaine juridique
Know When to Fuse: Investigating Non-English Hybrid Retrieval in the Legal Domain

Antoine Louis, Gijs van Dijck, Gerasimos Spanakis•Sep 2, 2024•32

Théorie générale de la ROC : Vers la ROC-2.0 via un modèle unifié de bout en bout
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model

Haoran Wei, Chenglong Liu, Jinyue Chen, Jia Wang, Lingyu Kong, Yanming Xu, Zheng Ge, Liang Zhao, Jianjian Sun, Yuang Peng, Chunrui Han, Xiangyu Zhang•Sep 3, 2024•859

FLUX qui Joue de la Musique
FLUX that Plays Music

Zhengcong Fei, Mingyuan Fan, Changqian Yu, Junshi Huang•Sep 1, 2024•342

L'ensemble de données MERIT : Modélisation et Rendu Efficace de Transcriptions Interprétables
The MERIT Dataset: Modelling and Efficiently Rendering Interpretable Transcripts

I. de Rodrigo, A. Sanchez-Cuadrado, J. Boal, A. J. Lopez-Lopez•Aug 31, 2024•22