Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

R1-Onevision : Faire progresser le raisonnement multimodal généralisé grâce à la formalisation intermodale
R1-Onevision: Advancing Generalized Multimodal Reasoning through Cross-Modal Formalization

Yi Yang, Xiaoxuan He, Hongkun Pan, Xiyan Jiang, Yan Deng, Xingtao Yang, Haoyu Lu, Dacheng Yin, Fengyun Rao, Minfeng Zhu, Bo Zhang, Wei Chen•Mar 13, 2025•173

Génération d'images autorégressive avec décodage parallèle randomisé
Autoregressive Image Generation with Randomized Parallel Decoding

Haopeng Li, Jinyue Yang, Guoqi Li, Huan Wang•Mar 13, 2025•82

Open-Sora 2.0 : Entraînement d'un modèle de génération vidéo de niveau commercial pour 200 000 $
Open-Sora 2.0: Training a Commercial-Level Video Generation Model in $200k

Xiangyu Peng, Zangwei Zheng, Chenhui Shen, Tom Young, Xinying Guo, Binluo Wang, Hang Xu, Hongxin Liu, Mingyan Jiang, Wenjun Li, Yuhui Wang, Anbang Ye, Gang Ren, Qianran Ma, Wanying Liang, Xiang Lian, Xiwen Wu, Yuting Zhong, Zhuangyan Li, Chaoyu Gong, Guojun Lei, Leijun Cheng, Limin Zhang, Minghao Li, Ruijie Zhang, Silan Hu, Shijie Huang, Xiaokang Wang, Yuanheng Zhao, Yuqi Wang, Ziang Wei, Yang You•Mar 12, 2025•183

Sur les limites des modèles vision-langage dans la compréhension des transformations d'images
On the Limitations of Vision-Language Models in Understanding Image Transforms

Ahmad Mustafa Anis, Hasnain Ali, Saquib Sarfraz•Mar 12, 2025•102

Transformers sans normalisation
Transformers without Normalization

Jiachen Zhu, Xinlei Chen, Kaiming He, Yann LeCun, Zhuang Liu•Mar 13, 2025•1615

PerCoV2 : Compression d'images perceptuelle à très faible débit améliorée avec modélisation hiérarchique implicite d'images masquées
PerCoV2: Improved Ultra-Low Bit-Rate Perceptual Image Compression with Implicit Hierarchical Masked Image Modeling

Nikolai Körber, Eduard Kromer, Andreas Siebert, Sascha Hauke, Daniel Mueller-Gritschneder, Björn Schuller•Mar 12, 2025•32

GroundingSuite : Mesure de l'ancrage pixel complexe multi-granulaire
GroundingSuite: Measuring Complex Multi-Granular Pixel Grounding

Rui Hu, Lianghui Zhu, Yuxuan Zhang, Tianheng Cheng, Lei Liu, Heng Liu, Longjin Ran, Xiaoxin Chen, Wenyu Liu, Xinggang Wang•Mar 13, 2025•182

Étude de l'orientation des classifieurs (sans classifieur) d'une perspective centrée sur le classifieur
Studying Classifier(-Free) Guidance From a Classifier-Centric Perspective

Xiaoming Zhao, Alexander G. Schwing•Mar 13, 2025•22

Quantification des modèles Whisper d'OpenAI : une analyse comparative
Quantization for OpenAI's Whisper Models: A Comparative Analysis

Allison Andreyev•Mar 12, 2025•62

MinorBench : Un benchmark manuel pour les risques liés au contenu pour les enfants
MinorBench: A hand-built benchmark for content-based risks for children

Shaun Khoo, Gabriel Chua, Rachel Shong•Mar 13, 2025•43

TruthPrInt : Atténuation des hallucinations d'objets dans les LVLM grâce à une pré-intervention guidée par la vérité latente
TruthPrInt: Mitigating LVLM Object Hallucination Via Latent Truthful-Guided Pre-Intervention

Jinhao Duan, Fei Kong, Hao Cheng, James Diffenderfer, Bhavya Kailkhura, Lichao Sun, Xiaofeng Zhu, Xiaoshuang Shi, Kaidi Xu•Mar 13, 2025•42

La modélisation du monde améliore la planification : optimisation duale des préférences pour la planification de tâches en robotique embarquée
World Modeling Makes a Better Planner: Dual Preference Optimization for Embodied Task Planning

Siyin Wang, Zhaoye Fei, Qinyuan Cheng, Shiduo Zhang, Panpan Cai, Jinlan Fu, Xipeng Qiu•Mar 13, 2025•537

OmniPaint : Maîtrise de l'édition orientée objet via un inpainting d'insertion-suppression désentrelacé
OmniPaint: Mastering Object-Oriented Editing via Disentangled Insertion-Removal Inpainting

Yongsheng Yu, Ziyun Zeng, Haitian Zheng, Jiebo Luo•Mar 11, 2025•292

VisualWebInstruct : Mise à l'échelle des données d'instruction multimodales via la recherche web
VisualWebInstruct: Scaling up Multimodal Instruction Data through Web Search

Yiming Jia, Jiachen Li, Xiang Yue, Bo Li, Ping Nie, Kai Zou, Wenhu Chen•Mar 13, 2025•232

L'entraînement de modèles de langage à communication efficace s'adapte de manière fiable et robuste : Lois d'échelle pour DiLoCo
Communication-Efficient Language Model Training Scales Reliably and Robustly: Scaling Laws for DiLoCo

Zachary Charles, Gabriel Teston, Lucio Dery, Keith Rush, Nova Fallen, Zachary Garrett, Arthur Szlam, Arthur Douillard•Mar 12, 2025•142

Déplacer la recherche sur les LLMs à contexte long de l'entrée vers la sortie
Shifting Long-Context LLMs Research from Input to Output

Yuhao Wu, Yushi Bai, Zhiqing Hu, Shangqing Tu, Ming Shan Hee, Juanzi Li, Roy Ka-Wei Lee•Mar 6, 2025•222

Attaque de Marquage Silencieux : Empoisonnement de Données Sans Déclencheur sur les Modèles de Diffusion Texte-Image
Silent Branding Attack: Trigger-free Data Poisoning Attack on Text-to-Image Diffusion Models

Sangwon Jang, June Suk Choi, Jaehyeong Jo, Kimin Lee, Sung Ju Hwang•Mar 12, 2025•362

La Malédiction des Conditions : Analyse et Amélioration du Transport Optimal pour la Génération Conditionnelle par Flots
The Curse of Conditions: Analyzing and Improving Optimal Transport for Conditional Flow-Based Generation

Ho Kei Cheng, Alexander Schwing•Mar 13, 2025•32

SANA-Sprint : Diffusion en une étape avec distillation de cohérence en temps continu
SANA-Sprint: One-Step Diffusion with Continuous-Time Consistency Distillation

Junsong Chen, Shuchen Xue, Yuyang Zhao, Jincheng Yu, Sayak Paul, Junyu Chen, Han Cai, Enze Xie, Song Han•Mar 12, 2025•374

CoSTAast : Agent de trajectoire d'outil sensible au coût pour l'édition d'images multi-tours
CoSTAast: Cost-Sensitive Toolpath Agent for Multi-turn Image Editing

Advait Gupta, NandaKiran Velaga, Dang Nguyen, Tianyi Zhou•Mar 13, 2025•7910

DiT-Air : Reconsidérer l'efficacité de la conception architecturale des modèles de diffusion dans la génération d'images à partir de texte
DiT-Air: Revisiting the Efficiency of Diffusion Model Architecture Design in Text to Image Generation

Chen Chen, Rui Qian, Wenze Hu, Tsu-Jui Fu, Lezhi Li, Bowen Zhang, Alex Schwing, Wei Liu, Yinfei Yang•Mar 13, 2025•172

Light-R1 : Curriculum SFT, DPO et RL pour un raisonnement en chaîne long (COT) à partir de zéro et au-delà
Light-R1: Curriculum SFT, DPO and RL for Long COT from Scratch and Beyond

Liang Wen, Yunke Cai, Fenrui Xiao, Xin He, Qi An, Zhenyu Duan, Yimin Du, Junchen Liu, Lifu Tang, Xiaowei Lv, Haosheng Zou, Yongchao Deng, Shousheng Jia, Xiangzheng Zhang•Mar 13, 2025•284

VisualPRM : Un modèle de récompense de processus efficace pour le raisonnement multimodal
VisualPRM: An Effective Process Reward Model for Multimodal Reasoning

Weiyun Wang, Zhangwei Gao, Lianjie Chen, Zhe Chen, Jinguo Zhu, Xiangyu Zhao, Yangzhou Liu, Yue Cao, Shenglong Ye, Xizhou Zhu, Lewei Lu, Haodong Duan, Yu Qiao, Jifeng Dai, Wenhai Wang•Mar 13, 2025•363

CoRe^2 : Collecter, Réfléchir et Affiner pour Générer Mieux et Plus Rapidement
CoRe^2: Collect, Reflect and Refine to Generate Better and Faster

Shitong Shao, Zikai Zhou, Dian Xie, Yuetong Fang, Tian Ye, Lichen Bai, Zeke Xie•Mar 12, 2025•344

GoT : Libérer les capacités de raisonnement des modèles de langage multimodaux de grande taille pour la génération et l'édition visuelles
GoT: Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing

Rongyao Fang, Chengqi Duan, Kun Wang, Linjiang Huang, Hao Li, Shilin Yan, Hao Tian, Xingyu Zeng, Rui Zhao, Jifeng Dai, Xihui Liu, Hongsheng Li•Mar 13, 2025•502

Distillation de la diversité et du contrôle dans les modèles de diffusion
Distilling Diversity and Control in Diffusion Models

Rohit Gandikota, David Bau•Mar 13, 2025•142

CINEMA : Génération cohérente de vidéos multi-sujets via un guidage basé sur MLLM
CINEMA: Coherent Multi-Subject Video Generation via MLLM-Based Guidance

Yufan Deng, Xun Guo, Yizhi Wang, Jacob Zhiyuan Fang, Angtian Wang, Shenghai Yuan, Yiding Yang, Bo Liu, Haibin Huang, Chongyang Ma•Mar 13, 2025•112

Découverte des chemins neuronaux influents dans les Transformers pour la vision
Discovering Influential Neuron Path in Vision Transformers

Yifan Wang, Yifei Liu, Yingdong Shi, Changming Li, Anqi Pang, Sibei Yang, Jingyi Yu, Kan Ren•Mar 12, 2025•62

UniGoal : Vers une navigation orientée objectif universelle sans apprentissage préalable
UniGoal: Towards Universal Zero-shot Goal-oriented Navigation

Hang Yin, Xiuwei Xu, Lingqing Zhao, Ziwei Wang, Jie Zhou, Jiwen Lu•Mar 13, 2025•62

Assembler les pièces : Conceptualisation par parties avec IP-Priors
Piece it Together: Part-Based Concepting with IP-Priors

Elad Richardson, Kfir Goldberg, Yuval Alaluf, Daniel Cohen-Or•Mar 13, 2025•82

ConsisLoRA : Amélioration de la cohérence du contenu et du style pour le transfert de style basé sur LoRA
ConsisLoRA: Enhancing Content and Style Consistency for LoRA-based Style Transfer

Bolin Chen, Baoquan Zhao, Haoran Xie, Yi Cai, Qing Li, Xudong Mao•Mar 13, 2025•82

Optimisation de Contexte Long pour la Génération de Vidéos
Long Context Tuning for Video Generation

Yuwei Guo, Ceyuan Yang, Ziyan Yang, Zhibei Ma, Zhijie Lin, Zhenheng Yang, Dahua Lin, Lu Jiang•Mar 13, 2025•142

PoseLess : Contrôle vision-articulation sans profondeur via une cartographie directe d'image avec VLM
PoseLess: Depth-Free Vision-to-Joint Control via Direct Image Mapping with VLM

Alan Dao, Dinh Bach Vu, Tuan Le Duc Anh, Bui Quang Huy•Mar 10, 2025•32

"Silent n'est pas réellement silencieux" : Une étude sur la toxicité dans les discussions autour des rapports de bugs
"Silent Is Not Actually Silent": An Investigation of Toxicity on Bug Report Discussion

Mia Mohammad Imran, Jaydeb Sarker•Mar 13, 2025•42

Une attaque d'une simplicité frustrante mais extrêmement efficace : un taux de réussite supérieur à 90 % contre les modèles black-box robustes de GPT-4.5/4o/o1.
A Frustratingly Simple Yet Highly Effective Attack Baseline: Over 90% Success Rate Against the Strong Black-box Models of GPT-4.5/4o/o1

Zhaoyi Li, Xiaohan Zhao, Dong-Dong Wu, Jiacheng Cui, Zhiqiang Shen•Mar 13, 2025•32

4D LangSplat : Projection de Gaussiennes Langagières en 4D via des Modèles de Langage Multimodaux à Grande Échelle
4D LangSplat: 4D Language Gaussian Splatting via Multimodal Large Language Models

Wanhua Li, Renping Zhou, Jiawei Zhou, Yingwei Song, Johannes Herter, Minghan Qin, Gao Huang, Hanspeter Pfister•Mar 13, 2025•322

Cartographie et navigation dans l'Atlas des modèles de Hugging Face
Charting and Navigating Hugging Face's Model Atlas

Eliahu Horwitz, Nitzan Kurer, Jonathan Kahana, Liel Amar, Yedid Hoshen•Mar 13, 2025•796

Est-ce que je ressemble à un `chat.n.01` pour vous ? Un benchmark de génération d'images taxonomiques
Do I look like a `cat.n.01` to you? A Taxonomy Image Generation Benchmark

Viktor Moskvoretskii, Alina Lobanova, Ekaterina Neminova, Chris Biemann, Alexander Panchenko, Irina Nikishina•Mar 13, 2025•112

Nouvelles tendances pour la traduction automatique moderne avec des modèles de raisonnement à grande échelle
New Trends for Modern Machine Translation with Large Reasoning Models

Sinuo Liu, Chenyang Lyu, Minghao Wu, Longyue Wang, Weihua Luo, Kaifu Zhang•Mar 13, 2025•232