Artigos de Pesquisa em IA Diários

Artigos de pesquisa em IA selecionados diariamente com traduções

LongVU: Compressão Adaptativa Espaço-Temporal para Compreensão de Vídeo e Linguagem Longos
LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding

Xiaoqian Shen, Yunyang Xiong, Changsheng Zhao, Lemeng Wu, Jun Chen, Chenchen Zhu, Zechun Liu, Fanyi Xiao, Balakrishnan Varadarajan, Florian Bordes, Zhuang Liu, Hu Xu, Hyunwoo J. Kim, Bilge Soran, Raghuraman Krishnamoorthi, Mohamed Elhoseiny, Vikas Chandra•Oct 22, 2024•292

TP-Eval: Explorando o Potencial dos LLMs Multimodais na Avaliação por Meio da Personalização de Prompters
TP-Eval: Tap Multimodal LLMs' Potential in Evaluation by Customizing Prompts

Yuxuan Xie, Tianhua Li, Wenqi Shao, Kaipeng Zhang•Oct 23, 2024•71

WorldSimBench: Rumo a Modelos de Geração de Vídeo como Simuladores de Mundo
WorldSimBench: Towards Video Generation Models as World Simulators

Yiran Qin, Zhelun Shi, Jiwen Yu, Xijun Wang, Enshen Zhou, Lijun Li, Zhenfei Yin, Xihui Liu, Lu Sheng, Jing Shao, Lei Bai, Wanli Ouyang, Ruimao Zhang•Oct 23, 2024•202

M-RewardBench: Avaliando Modelos de Recompensa em Ambientes Multilíngues
M-RewardBench: Evaluating Reward Models in Multilingual Settings

Srishti Gureja, Lester James V. Miranda, Shayekh Bin Islam, Rishabh Maheshwary, Drishti Sharma, Gusti Winata, Nathan Lambert, Sebastian Ruder, Sara Hooker, Marzieh Fadaee•Oct 20, 2024•123

Dimensionamento de Modelos de Linguagem de Difusão por meio de Adaptação de Modelos Autoregressivos
Scaling Diffusion Language Models via Adaptation from Autoregressive Models

Shansan Gong, Shivam Agarwal, Yizhe Zhang, Jiacheng Ye, Lin Zheng, Mukai Li, Chenxin An, Peilin Zhao, Wei Bi, Jiawei Han, Hao Peng, Lingpeng Kong•Oct 23, 2024•162

MIA-DPO: Otimização de Preferência Direta Aumentada de Múltiplas Imagens para Modelos de Visão e Linguagem de Grande Escala
MIA-DPO: Multi-Image Augmented Direct Preference Optimization For Large Vision-Language Models

Ziyu Liu, Yuhang Zang, Xiaoyi Dong, Pan Zhang, Yuhang Cao, Haodong Duan, Conghui He, Yuanjun Xiong, Dahua Lin, Jiaqi Wang•Oct 23, 2024•373

ARKit LabelMaker: Uma Nova Escala para Compreensão de Cenas 3D Internas
ARKit LabelMaker: A New Scale for Indoor 3D Scene Understanding

Guangda Ji, Silvan Weder, Francis Engelmann, Marc Pollefeys, Hermann Blum•Oct 17, 2024•72

Otimização de Preferência Classificada Escalável para Geração de Texto para Imagem
Scalable Ranked Preference Optimization for Text-to-Image Generation

Shyamgopal Karthik, Huseyin Coskun, Zeynep Akata, Sergey Tulyakov, Jian Ren, Anil Kag•Oct 23, 2024•152

Controlo Leve de Aplicações Neurais
Lightweight Neural App Control

Filippos Christianos, Georgios Papoudakis, Thomas Coste, Jianye Hao, Jun Wang, Kun Shao•Oct 23, 2024•102

MedINST: Metaconjunto de Dados de Instruções Biomédicas
MedINST: Meta Dataset of Biomedical Instructions

Wenhan Han, Meng Fang, Zihan Zhang, Yu Yin, Zirui Song, Ling Chen, Mykola Pechenizkiy, Qingyu Chen•Oct 17, 2024•72

Orientando seus Generalistas: Melhorando Modelos Fundamentais de Robótica por meio de Orientação de Valor
Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance

Mitsuhiko Nakamoto, Oier Mees, Aviral Kumar, Sergey Levine•Oct 17, 2024•21

LVSM: Um Modelo de Síntese de Grande Visão com Viés Indutivo 3D Mínimo
LVSM: A Large View Synthesis Model with Minimal 3D Inductive Bias

Haian Jin, Hanwen Jiang, Hao Tan, Kai Zhang, Sai Bi, Tianyuan Zhang, Fujun Luan, Noah Snavely, Zexiang Xu•Oct 22, 2024•52

DynamicCity: Geração de LiDAR em Grande Escala a partir de Cenas Dinâmicas
DynamicCity: Large-Scale LiDAR Generation from Dynamic Scenes

Hengwei Bian, Lingdong Kong, Haozhe Xie, Liang Pan, Yu Qiao, Ziwei Liu•Oct 23, 2024•142