HyperAI

Synthèse d'images et de géométrie sous un angle de vue nouveau alignées par l'instillation d'attention intermodale

Inpainting D'image

Génération 3D

Min-Seop Kwak, Junho Kim, Sangdoo Yun, et al.

VRBench : Un benchmark pour le raisonnement en plusieurs étapes dans les vidéos narratives longues

Compréhension Vidéo

Reasoning

Yu, Jiashuo, Wu, et al.

AniMaker : Narration animée multi-agents automatisée avec génération de clips pilotée par MCTS

Texte Vers Vidéo

Génération De Vidéo

Shi, Haoyuan, Li, et al.

Restauration d'images text-aware avec des modèles de diffusion

Modèle De Diffusion

Inpainting D'image

Jaewon Min, Jin Hyeon Kim, Paul Hyunbin Cho, et al.

Apprentissage Par Renforcement

Reasoning

Mistral-AI, Abhinav Rastogi, Albert Q. Jiang, et al.

Génération De Code

Benchmarks

Lianghong Guo, Yanlin Wang, Caihua Li, et al.

Reasoning

Jeu De Données

Yu Sun, Xingyu Qian, Weiwen Xu, et al.

Sapiens : Fondation pour les modèles de vision humaine

Vision Par Ordinateur

Apprentissage Multi-tâches

Rawal Khirodkar, Timur Bagautdinov, Julieta Martinez, et al.

LongVILA : Extension des modèles linguistiques visuels à longue portée pour les vidéos longues

LLM

Transformer

Fuzhao Xue, Yukang Chen, Dacheng Li, et al.

SAM 2 : Segmenter n'importe quoi dans les images et les vidéos

Vision Par Ordinateur

Compréhension Vidéo

Nikhila Ravi, Valentin Gabeur, Yuan-Ting Hu, et al.

LLM

Transformer

Abhimanyu Dubey, Abhinav Jauhri, Abhinav Pandey, et al.

InternLM-XComposer-2.5 : un modèle de vision et de langage massif polyvalent prenant en charge les entrées et sorties à longue portée

Any-to-Any

Représentation Multimodale

Pan Zhang, Xiaoyi Dong, Yuhang Zang, et al.

Multimodal

Jeu De Données

Ziyu Liu, Tao Chu, Yuhang Zang, et al.

Qu'est-ce qui compte lors de la construction de modèles vision-langage ?

Multimodal

Transformer

Hugo Laurençon, Léo Tronchon, Matthieu Cord, et al.

DDOS : Jeu de données pour la segmentation de la profondeur des drones et des obstacles

Estimation De Profondeur

Segmentation Sémantique

Benedikt Kolbeinsson, Krystian Mikolajczyk

Auto-Régressif vs Appariement de Flux : une Étude Comparative des Paradigmes de Modélisation pour la Génération Musique à Partir du Texte

Text-to-Audio

Modèle De Diffusion

Tal, Or, Kreuk, et al.

SeerAttention-R : Adaptation de l'attention parcimonieuse pour le raisonnement à long terme

Transformer

Traitement Du Langage Naturel

Gao, Yizhao, Guo, et al.

JoueurUn : Simulateur de Monde Égocentrique

Génération De Vidéo

Image Vers Vidéo

Yuanpeng Tu, Hao Luo, Xi Chen, et al.

ComfyUI

Reasoning

Zhenran Xu, Yiyu Wang, Xue Yang, et al.

Génération De Vidéo

Modèle De Diffusion

Shanchuan Lin, Ceyuan Yang, Hao He, et al.

Apprentissage Par Renforcement

Affinage Supervisé

Li, Pengyi, Skripkin, et al.

Le titre est vide. Veuillez fournir le titre à traduire.

vLLM Hook v0 : Un module enfichable pour les internes du modèle de programmation sur vLLM

Ching-Yun Ko, Pin-Yu Chen

Un cadre de déploiement flexible et sécurisé pour les applications distribuées

Alan Dearle, Graham Kirby, Andrew McCarthy, et al.

Pré-entraînement multimodal et génération pour la recommandation : un tutoriel

Jieming Zhu, Rui Zhang, Chuhan Wu, et al.

Synthèse d'images et de géométrie sous un angle de vue nouveau alignées par l'instillation d'attention intermodale

Inpainting D'image

Génération 3D

Min-Seop Kwak, Junho Kim, Sangdoo Yun, et al.

VRBench : Un benchmark pour le raisonnement en plusieurs étapes dans les vidéos narratives longues

Compréhension Vidéo

Reasoning

Yu, Jiashuo, Wu, et al.

Texte Vers Vidéo

Génération De Vidéo

Shi, Haoyuan, Li, et al.

Modèle De Diffusion

Inpainting D'image

Jaewon Min, Jin Hyeon Kim, Paul Hyunbin Cho, et al.

Apprentissage Par Renforcement

Reasoning

Mistral-AI, Abhinav Rastogi, Albert Q. Jiang, et al.

Génération De Code

Benchmarks

Lianghong Guo, Yanlin Wang, Caihua Li, et al.

Reasoning

Jeu De Données

Yu Sun, Xingyu Qian, Weiwen Xu, et al.

Vision Par Ordinateur

Apprentissage Multi-tâches

Rawal Khirodkar, Timur Bagautdinov, Julieta Martinez, et al.

LLM

Transformer

Fuzhao Xue, Yukang Chen, Dacheng Li, et al.

Vision Par Ordinateur

Compréhension Vidéo

Nikhila Ravi, Valentin Gabeur, Yuan-Ting Hu, et al.

LLM

Transformer

Abhimanyu Dubey, Abhinav Jauhri, Abhinav Pandey, et al.

Any-to-Any

Représentation Multimodale

Pan Zhang, Xiaoyi Dong, Yuhang Zang, et al.

Multimodal

Jeu De Données

Ziyu Liu, Tao Chu, Yuhang Zang, et al.

Multimodal

Transformer

Hugo Laurençon, Léo Tronchon, Matthieu Cord, et al.

Estimation De Profondeur

Segmentation Sémantique

Benedikt Kolbeinsson, Krystian Mikolajczyk

Text-to-Audio

Modèle De Diffusion

Tal, Or, Kreuk, et al.

Transformer

Traitement Du Langage Naturel

Gao, Yizhao, Guo, et al.

Génération De Vidéo

Image Vers Vidéo

Yuanpeng Tu, Hao Luo, Xi Chen, et al.

ComfyUI

Reasoning

Zhenran Xu, Yiyu Wang, Xue Yang, et al.

Génération De Vidéo

Modèle De Diffusion

Shanchuan Lin, Ceyuan Yang, Hao He, et al.

Apprentissage Par Renforcement

Affinage Supervisé

Li, Pengyi, Skripkin, et al.

Ching-Yun Ko, Pin-Yu Chen

Alan Dearle, Graham Kirby, Andrew McCarthy, et al.

Jieming Zhu, Rui Zhang, Chuhan Wu, et al.

AniMaker : Narration animée multi-agents automatisée avec génération de clips pilotée par MCTS

Restauration d'images text-aware avec des modèles de diffusion

Magistral

SWE-Factory : Votre usine automatisée pour les données d'entraînement de résolution des problèmes et les benchmarks d'évaluation

ReasonMed : Un Jeu de Données Généré par 370 000 Agents Multiples pour l’Avancement du Raisonnement Médical

Sapiens : Fondation pour les modèles de vision humaine

LongVILA : Extension des modèles linguistiques visuels à longue portée pour les vidéos longues

SAM 2 : Segmenter n'importe quoi dans les images et les vidéos

Le troupeau de modèles Llama 3

InternLM-XComposer-2.5 : un modèle de vision et de langage massif polyvalent prenant en charge les entrées et sorties à longue portée

MMDU : Une base de benchmark pour la compréhension des dialogues à plusieurs tours et à plusieurs images, et un jeu de données pour l'ajustage par instruction des LVLM

Qu'est-ce qui compte lors de la construction de modèles vision-langage ?

DDOS : Jeu de données pour la segmentation de la profondeur des drones et des obstacles

Auto-Régressif vs Appariement de Flux : une Étude Comparative des Paradigmes de Modélisation pour la Génération Musique à Partir du Texte

SeerAttention-R : Adaptation de l'attention parcimonieuse pour le raisonnement à long terme

JoueurUn : Simulateur de Monde Égocentrique

ComfyUI-R1 : Exploration des modèles de raisonnement pour la génération de flux de travail

Formation par post-entraînement adversaire autoregressif pour la génération de vidéos interactives en temps réel

Confiance est tout ce dont vous avez besoin : Ajustement fin de modèles de langage par apprentissage par renforcement à faible échantillonnage

Le titre est vide. Veuillez fournir le titre à traduire.

vLLM Hook v0 : Un module enfichable pour les internes du modèle de programmation sur vLLM

Le titre est vide. Veuillez fournir le titre à traduire.

Un cadre de déploiement flexible et sécurisé pour les applications distribuées

Pré-entraînement multimodal et génération pour la recommandation : un tutoriel

AniMaker : Narration animée multi-agents automatisée avec génération de clips pilotée par MCTS

Restauration d'images text-aware avec des modèles de diffusion

Magistral

SWE-Factory : Votre usine automatisée pour les données d'entraînement de résolution des problèmes et les benchmarks d'évaluation

ReasonMed : Un Jeu de Données Généré par 370 000 Agents Multiples pour l’Avancement du Raisonnement Médical

Sapiens : Fondation pour les modèles de vision humaine

LongVILA : Extension des modèles linguistiques visuels à longue portée pour les vidéos longues

SAM 2 : Segmenter n'importe quoi dans les images et les vidéos

Le troupeau de modèles Llama 3

InternLM-XComposer-2.5 : un modèle de vision et de langage massif polyvalent prenant en charge les entrées et sorties à longue portée

MMDU : Une base de benchmark pour la compréhension des dialogues à plusieurs tours et à plusieurs images, et un jeu de données pour l'ajustage par instruction des LVLM

Qu'est-ce qui compte lors de la construction de modèles vision-langage ?

DDOS : Jeu de données pour la segmentation de la profondeur des drones et des obstacles

Auto-Régressif vs Appariement de Flux : une Étude Comparative des Paradigmes de Modélisation pour la Génération Musique à Partir du Texte

SeerAttention-R : Adaptation de l'attention parcimonieuse pour le raisonnement à long terme

JoueurUn : Simulateur de Monde Égocentrique

ComfyUI-R1 : Exploration des modèles de raisonnement pour la génération de flux de travail

Formation par post-entraînement adversaire autoregressif pour la génération de vidéos interactives en temps réel

Confiance est tout ce dont vous avez besoin : Ajustement fin de modèles de langage par apprentissage par renforcement à faible échantillonnage

Le titre est vide. Veuillez fournir le titre à traduire.

vLLM Hook v0 : Un module enfichable pour les internes du modèle de programmation sur vLLM

Le titre est vide. Veuillez fournir le titre à traduire.

Un cadre de déploiement flexible et sécurisé pour les applications distribuées

Pré-entraînement multimodal et génération pour la recommandation : un tutoriel

Command Palette

Papers

Command Palette

Papers

Command Palette

Papers