Articoli di Ricerca IA Giornalieri

Articoli di ricerca IA selezionati quotidianamente con traduzioni

2.5 Anni in Classe: Un Libro di Testo Multimodale per il Preallenamento Visione-Linguaggio
2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining

Wenqi Zhang, Hang Zhang, Xin Li, Jiashuo Sun, Yongliang Shen, Weiming Lu, Deli Zhao, Yueting Zhuang, Lidong Bing•Jan 1, 2025•957

VideoAnydoor: Inserimento di oggetti video ad alta fedeltà con controllo preciso del movimento
VideoAnydoor: High-fidelity Video Object Insertion with Precise Motion Control

Yuanpeng Tu, Hao Luo, Xi Chen, Sihui Ji, Xiang Bai, Hengshuang Zhao•Jan 2, 2025•493

CodeElo: Confronto delle prestazioni di generazione di codice a livello di competizione degli LLM con valutazioni Elo comparabili a quelle umane
CodeElo: Benchmarking Competition-level Code Generation of LLMs with Human-comparable Elo Ratings

Shanghaoran Quan, Jiaxi Yang, Bowen Yu, Bo Zheng, Dayiheng Liu, An Yang, Xuancheng Ren, Bofei Gao, Yibo Miao, Yunlong Feng, Zekun Wang, Jian Yang, Zeyu Cui, Yang Fan, Yichang Zhang, Binyuan Hui, Junyang Lin•Jan 2, 2025•476

LTX-Video: Diffusione Latente in Tempo Reale dei Video
LTX-Video: Realtime Video Latent Diffusion

Yoav HaCohen, Nisan Chiprut, Benny Brazowski, Daniel Shalem, Dudu Moshe, Eitan Richardson, Eran Levin, Guy Shiran, Nir Zabari, Ori Gordon, Poriya Panet, Sapir Weissbuch, Victor Kulikov, Yaki Bitterman, Zeev Melumian, Ofir Bibi•Dec 30, 2024•413

VideoRefer Suite: Avanzamento della comprensione degli oggetti spazio-temporali con Video LLM
VideoRefer Suite: Advancing Spatial-Temporal Object Understanding with Video LLM

Yuqian Yuan, Hang Zhang, Wentong Li, Zesen Cheng, Boqiang Zhang, Long Li, Xin Li, Deli Zhao, Wenqiao Zhang, Yueting Zhuang, Jianke Zhu, Lidong Bing•Dec 31, 2024•412

Ricostruzione vs. Generazione: Addomesticare il Dilemma dell' Ottimizzazione nei Modelli di Diffusione Latente
Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models

Jingfeng Yao, Xinggang Wang•Jan 2, 2025•362

ProgCo: Programma per l'Auto-Correzione dei Grandi Modelli Linguistici
ProgCo: Program Helps Self-Correction of Large Language Models

Xiaoshuai Song, Yanan Wu, Weixun Wang, Jiaheng Liu, Wenbo Su, Bo Zheng•Jan 2, 2025•252

MLLM-come-Giudice per la Sicurezza delle Immagini senza Etichettatura Umana
MLLM-as-a-Judge for Image Safety without Human Labeling

Zhenting Wang, Shuming Hu, Shiyu Zhao, Xiaowen Lin, Felix Juefei-Xu, Zhuowei Li, Ligong Han, Harihar Subramanyam, Li Chen, Jianfa Chen, Nan Jiang, Lingjuan Lyu, Shiqing Ma, Dimitris N. Metaxas, Ankit Jain•Dec 31, 2024•242

MapEval: Una valutazione basata su mappe del ragionamento geospaziale nei modelli di base
MapEval: A Map-Based Evaluation of Geo-Spatial Reasoning in Foundation Models

Mahir Labib Dihan, Md Tanvir Hassan, Md Tanvir Parvez, Md Hasebul Hasan, Md Almash Alam, Muhammad Aamir Cheema, Mohammed Eunus Ali, Md Rizwan Parvez•Dec 31, 2024•222

A3: Arena degli Agenti Android per Agenti GUI Mobili
A3: Android Agent Arena for Mobile GUI Agents

Yuxiang Chai, Hanhao Li, Jiayu Zhang, Liang Liu, Guozhi Wang, Shuai Ren, Siyuan Huang, Hongsheng Li•Jan 2, 2025•223

Unificazione di Encoder Visivi Specializzati per Modelli Linguistici Video
Unifying Specialized Visual Encoders for Video Language Models

Jihoon Chung, Tyler Zhu, Max Gonzalez Saez-Diez, Juan Carlos Niebles, Honglu Zhou, Olga Russakovsky•Jan 2, 2025•212

Scalatura dinamica dei test di unità per la modellazione della ricompensa del codice
Dynamic Scaling of Unit Tests for Code Reward Modeling

Zeyao Ma, Xiaokang Zhang, Jing Zhang, Jifan Yu, Sijia Luo, Jie Tang•Jan 2, 2025•172

Attenzione nidificata: Valori di attenzione consapevoli del significato per la personalizzazione dei concetti.
Nested Attention: Semantic-aware Attention Values for Concept Personalization

Or Patashnik, Rinon Gal, Daniil Ostashev, Sergey Tulyakov, Kfir Aberman, Daniel Cohen-Or•Jan 2, 2025•112

SeedVR: Seminare l'Infinito nel Diffusion Transformer per un Ripristino Video Generico
SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration

Jianyi Wang, Zhijie Lin, Meng Wei, Yang Zhao, Ceyuan Yang, Chen Change Loy, Lu Jiang•Jan 2, 2025•112

MapQaTor: Un sistema per l'annotazione efficiente di set di dati di query di mappe
MapQaTor: A System for Efficient Annotation of Map Query Datasets

Mahir Labib Dihan, Mohammed Eunus Ali, Md Rizwan Parvez•Dec 30, 2024•92

Comprendere e mitigare i colli di bottiglia dei modelli dello spazio degli stati attraverso la lente della recente e dell'eccessiva levigatura.
Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing

Peihao Wang, Ruisi Cai, Yuehao Wang, Jiajun Zhu, Pragya Srivastava, Zhangyang Wang, Pan Li•Dec 31, 2024•72

Diffusione consapevole della popolazione per la generazione di serie temporali
Population Aware Diffusion for Time Series Generation

Yang Li, Han Meng, Zhenyu Bi, Ingolv T. Urnes, Haipeng Chen•Jan 1, 2025•62

Ripensare l'Indirizzamento nei Modelli Linguistici tramite Codifica Posizionale Equivariante Contestualizzata
Rethinking Addressing in Language Models via Contexualized Equivariant Positional Encoding

Jiajun Zhu, Peihao Wang, Ruisi Cai, Jason D. Lee, Pan Li, Zhangyang Wang•Jan 1, 2025•64

SeFAR: Riconoscimento delle azioni dettagliate semi-supervisionato con perturbazione temporale e stabilizzazione dell'apprendimento
SeFAR: Semi-supervised Fine-grained Action Recognition with Temporal Perturbation and Learning Stabilization

Yongle Huang, Haodong Chen, Zhenbang Xu, Zihan Jia, Haozhou Sun, Dian Shao•Jan 2, 2025•52