Articoli di Ricerca IA Giornalieri

Articoli di ricerca IA selezionati quotidianamente con traduzioni

REINFORCE++: Un Approccio Semplice ed Efficiente per Allineare Grandi Modelli Linguistici
REINFORCE++: A Simple and Efficient Approach for Aligning Large Language Models

Jian Hu•Jan 4, 2025•822

Piattaforma modello della Fondazione Cosmos World per l'IA Fisica
Cosmos World Foundation Model Platform for Physical AI

NVIDIA, Niket Agarwal, Arslan Ali, Maciej Bala, Yogesh Balaji, Erik Barker, Tiffany Cai, Prithvijit Chattopadhyay, Yongxin Chen, Yin Cui, Yifan Ding, Daniel Dworakowski, Jiaojiao Fan, Michele Fenzi, Francesco Ferroni, Sanja Fidler, Dieter Fox, Songwei Ge, Yunhao Ge, Jinwei Gu, Siddharth Gururani, Ethan He, Jiahui Huang, Jacob Huffman, Pooya Jannaty, Jingyi Jin, Seung Wook Kim, Gergely Klár, Grace Lam, Shiyi Lan, Laura Leal-Taixe, Anqi Li, Zhaoshuo Li, Chen-Hsuan Lin, Tsung-Yi Lin, Huan Ling, Ming-Yu Liu, Xian Liu, Alice Luo, Qianli Ma, Hanzi Mao, Kaichun Mo, Arsalan Mousavian, Seungjun Nah, Sriharsha Niverty, David Page, Despoina Paschalidou, Zeeshan Patel, Lindsey Pavao, Morteza Ramezanali, Fitsum Reda, Xiaowei Ren, Vasanth Rao Naik Sabavat, Ed Schmerling, Stella Shi, Bartosz Stefaniak, Shitao Tang, Lyne Tchapmi, Przemek Tredak, Wei-Cheng Tseng, Jibin Varghese, Hao Wang, Haoxiang Wang, Heng Wang, Ting-Chun Wang, Fangyin Wei, Xinyue Wei, Jay Zhangjie Wu, Jiashu Xu, Wei Yang, Lin Yen-Chen, Xiaohui Zeng, Yu Zeng, Jing Zhang, Qinsheng Zhang, Yuxuan Zhang, Qingqing Zhao, Artur Zolkowski•Jan 7, 2025•632

LLaVA-Mini: Modelli Multimodali Grandi Efficienti per Immagini e Video con un Token di Visione
LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision Token

Shaolei Zhang, Qingkai Fang, Zhe Yang, Yang Feng•Jan 7, 2025•484

Sa2VA: Sposare SAM2 con LLaVA per una comprensione densa e basata del terreno di immagini e video
Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos

Haobo Yuan, Xiangtai Li, Tao Zhang, Zilong Huang, Shilin Xu, Shunping Ji, Yunhai Tong, Lu Qi, Jiashi Feng, Ming-Hsuan Yang•Jan 7, 2025•402

MotionBench: Valutazione e Miglioramento della Comprensione del Movimento Video Dettagliato per i Modelli di Visione Linguistica
MotionBench: Benchmarking and Improving Fine-grained Video Motion Understanding for Vision Language Models

Wenyi Hong, Yean Cheng, Zhuoyi Yang, Weihan Wang, Lefan Wang, Xiaotao Gu, Shiyu Huang, Yuxiao Dong, Jie Tang•Jan 6, 2025•402

Diffusione come shader: Diffusione video consapevole in 3D per un controllo versatile della generazione video.
Diffusion as Shader: 3D-aware Video Diffusion for Versatile Video Generation Control

Zekai Gu, Rui Yan, Jiahao Lu, Peng Li, Zhiyang Dou, Chenyang Si, Zhen Dong, Qifeng Liu, Cheng Lin, Ziwei Liu, Wenping Wang, Yuan Liu•Jan 7, 2025•222

PPTAgent: Generazione ed Valutazione di Presentazioni Oltre il Testo alle Diapositive
PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides

Hao Zheng, Xinyan Guan, Hao Kong, Jia Zheng, Hongyu Lin, Yaojie Lu, Ben He, Xianpei Han, Le Sun•Jan 7, 2025•183

OpenOmni: Grandi modelli linguistici si orientano verso l'allineamento omni-modale zero-shot attraverso le lingue con sintesi vocale emotiva in tempo reale auto-consapevole.
OpenOmni: Large Language Models Pivot Zero-shot Omnimodal Alignment across Language with Real-time Self-Aware Emotional Speech Synthesis

Run Luo, Ting-En Lin, Haonan Zhang, Yuchuan Wu, Xiong Liu, Min Yang, Yongbin Li, Longze Chen, Jiaming Li, Lei Zhang, Yangyi Chen, Hamid Alinejad-Rokny, Fei Huang•Jan 8, 2025•163

Delfino: Ricerca automatica a ciclo chiuso e aperto tramite pensiero, pratica e feedback.
Dolphin: Closed-loop Open-ended Auto-research through Thinking, Practice, and Feedback

Jiakang Yuan, Xiangchao Yan, Botian Shi, Tao Chen, Wanli Ouyang, Bo Zhang, Lei Bai, Yu Qiao, Bowen Zhou•Jan 7, 2025•143

Specchio magico: Generazione di video preservando l'ID nei Transformers di diffusione video
Magic Mirror: ID-Preserved Video Generation in Video Diffusion Transformers

Yuechen Zhang, Yaoyang Liu, Bin Xia, Bohao Peng, Zexin Yan, Eric Lo, Jiaya Jia•Jan 7, 2025•142

Segmentazione del testo e apprendimento dei loro premi per migliorare l'RLHF nei modelli linguistici
Segmenting Text and Learning Their Rewards for Improved RLHF in Language Model

Yueqin Yin, Shentao Yang, Yujia Xie, Ziyi Yang, Yuting Sun, Hany Awadalla, Weizhu Chen, Mingyuan Zhou•Jan 6, 2025•92

MoDec-GS: Decomposizione del Movimento Globale-in-Locale e Regolazione degli Intervalli Temporali per la Splatting Gaussiana Dinamica 3D Compatta
MoDec-GS: Global-to-Local Motion Decomposition and Temporal Interval Adjustment for Compact Dynamic 3D Gaussian Splatting

Sangwoon Kwak, Joonsoo Kim, Jun Young Jeong, Won-Sik Cheong, Jihyong Oh, Munchurl Kim•Jan 7, 2025•92

Attenzione isomorfa consapevole del grafo per dinamiche adattive nei trasformatori
Graph-Aware Isomorphic Attention for Adaptive Dynamics in Transformers

Markus J. Buehler•Jan 4, 2025•82

MagicFace: Modifica ad alta fedeltà delle espressioni facciali con controllo delle unità d'azione.
MagicFace: High-Fidelity Facial Expression Editing with Action-Unit Control

Mengting Wei, Tuomas Varanka, Xingxun Jiang, Huai-Qian Khor, Guoying Zhao•Jan 4, 2025•52

Identificazione dell'origine generalizzabile per modelli di diffusione immagine-immagine guidati dal testo
Generalizable Origin Identification for Text-Guided Image-to-Image Diffusion Models

Wenhao Wang, Yifan Sun, Zongxin Yang, Zhentao Tan, Zhengdong Hu, Yi Yang•Jan 4, 2025•32