ReALM de Apple "ve" los visuales en pantalla mejor que GPT-4
Los ingenieros de Apple desarrollaron un sistema de IA que resuelve referencias complejas a entidades en pantalla y conversaciones de usuario. El modelo ligero podría...
Apple revela MM1, su primera familia de LLM multimodales
Apple aún no ha lanzado oficialmente un modelo de inteligencia artificial, pero un nuevo estudio...
Una aplicación de inteligencia artificial puede detectar la depresión a partir de rasgos faciales
Investigadores del Dartmouth College han desarrollado MoodCapture, una aplicación para teléfonos inteligentes que utiliza la IA para analizar los rasgos faciales y...
Meta lanza V-JEPA, un modelo de visión predictiva
Meta ha lanzado V-JEPA, un modelo de visión predictiva que constituye el siguiente paso hacia el objetivo de...
V* - Búsqueda visual guiada LLM multimodal que supera a GPT-4V
Investigadores de la Universidad de California en San Diego y la Universidad de Nueva York han desarrollado V*, un algoritmo de búsqueda guiado por...
Meta lanza Ego-Exo4D, un conjunto de datos de percepción multimodal
El entrenamiento de modelos de IA como GPT-4 se ha basado principalmente en conjuntos de datos formados por texto e imágenes. El conjunto de datos de percepción multimodal Ego-Exo4D de Meta...
Los investigadores utilizan datos sintéticos para entrenar un clasificador de imágenes de IA
Para entrenar un clasificador de imágenes de IA o un sistema de visión por ordenador es necesario tener acceso a un gran conjunto de datos de imágenes. Investigadores del MIT han...
El pájaro carpintero podría resolver las alucinaciones multimodales del LLM
Los modelos multimodales de gran lenguaje (MLLM) como GPT-4V son realmente buenos analizando y describiendo imágenes, pero a veces alucinan y...
La capacidad multimodal del GPT-4 lo hace vulnerable a los ataques
La capacidad que tiene GPT-4 para procesar imágenes es realmente impresionante, pero la nueva capacidad abre...
El aprendizaje automático revela el contenido de antiguos pergaminos y tablillas de piedra
Luke Farritor, un estudiante de informática de 21 años de la Universidad de Nebraska-Lincoln, ha desvelado el texto contenido en un pergamino carbonizado...