Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

ObjectMate : Une priorité de récurrence pour l'insertion d'objets et la génération pilotée par le sujet
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 visualisation des traces améliore la conscience spatiale-temporelle des politiques robotiques généralistes
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 : Édition sémantique désenchevêtrée dans les transformateurs de flux rectifiés
FluxSpace: Disentangled Semantic Editing in Rectified Flow Transformers

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

SynerGen-VL : Vers une compréhension et génération d'images synergiques avec des experts en vision et le pliage de jetons
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 : Génération d'un Monde 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 : Les gradients sur le raisonnement renforcent les petits modèles de langage Optimiseurs de consignes
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

Génération de musique multimodale avec des ponts explicites et une augmentation de la récupération
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 : Inversion rapide du flux redressé pour l'édition sémantique d'images
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 : Amélioration de la génération de texte vers vidéo via des légendes structurées conscientes des instances
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

Modèles d'Actions Étendus : De l'Idée à la Mise en Œuvre
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) : Attaques adversariales basées sur la diffusion guidée par le texte sur les images échographiques du sein
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 : Des rapports taux d'apprentissage sur taille de lot plus élevés peuvent conduire à une meilleure capacité de raisonnement dans les SLM.
SmolTulu: Higher Learning Rate to Batch Size Ratios Can Lead to Better Reasoning in SLMs

Sultan Alrashed•Dec 11, 2024•42

SCBench : Une analyse centrée sur le cache KV des méthodes à long contexte
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 : Modèle de Langage Multimodal Expert en Bio-Médical pour Diverses Modalités Médicales
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

Modélisation générative efficace avec des jetons basés sur la quantification vectorielle résiduelle
Efficient Generative Modeling with Residual Vector Quantization-Based Tokens

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

Apollo : Une exploration de la compréhension vidéo dans de grands modèles multimodaux
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 : Vers la génération de vidéos à partir de textes de haute résolution et de courte durée avec une complexité computationnelle linéaire
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 : Libérer la résolution des modèles de diffusion via Fusion d'Échelle sans Réglage
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