HyperAI

MegActor : Exploiter la puissance de la vidéo brute pour une animation de portrait vivante

Shurong Yang, Huadong Li, Juhao Wu, et al.

Flash-VStream : Compréhension en temps réel basée sur la mémoire pour les flux vidéo longs

Compréhension Vidéo

Réponse À Des Questions Visuelles

Haoji Zhang, Yiqin Wang, Yansong Tang, et al.

PhotoMaker : Personnalisation de photos humaines réalistes via un empilement d'embeddings d'identité

Texte Vers Image

Modèle De Diffusion

Zhen Li, Mingdeng Cao, Xintao Wang, et al.

StoryDiffusion : Auto-attention cohérente pour la génération d'images et de vidéos à longue portée

Yupeng Zhou, Daquan Zhou, Ming-Ming Cheng, et al.

Démonstration de traduction automatique Cherokee-Anglais avec estimation de la qualité et rétroaction corrective

Shiyue Zhang, Benjamin Frey, Mohit Bansal

Algorithme en ligne pour la réponse à la demande avec des demandes inélastiques et une contrainte de puissance apparente

Areg Karapetyan, Majid Khonji, Chi-Kin Chau, et al.

ESPnet-SDS : Boîte à outils et démonstration unifiées pour les systèmes de dialogue parlé

Siddhant Arora, Yifan Peng, Jiatong Shi, et al.

Jais et Jais-chat : modèles de langage génératifs à grande échelle ouverts, de base et ajustés pour l'instruction, centrés sur l'arabe

Neha Sengupta, Sunil Kumar Sahu, Bokang Jia, et al.

Traduction arrière rapide pour la traduction automatique non supervisée

Benjamin Brimacombe, Jiawei Zhou

Un cadre de traitement du langage naturel (NLP) ouvert pour la recherche clinique basée sur les dossiers de santé électroniques : une démonstration de cas utilisant le Collaboratif national de cohorte COVID (N3C)

Sijia Liu, Andrew Wen, Liwei Wang, et al.

Eloi Moliner, Vesa Välimäki

Segmentation panoptique en un clic : appliquée aux données agricoles

Patrick Zimmer, Michael Halstead, Chris McCool

Hunyuan-Large : Un modèle MoE open-source avec 52 milliards de paramètres activés par Tencent

Tencent Hunyuan Team

SketchAgent : Génération séquentielle de croquis pilotée par le langage

Yael Vinker, Tamar Rott Shaham, Kristine Zheng, et al.

Dynamique de pontage hydrique de la réaction en chaîne par polymérase dans le paradigme de la théorie de jauge des champs quantiques

L. Montagnier, J. Aïssa, A. Capolupo, et al.

Recherches automatiques de documents sur Microsoft Academic : Précision pour les articles de revue et pertinence pour l'analyse des citations

Mike Thelwall

OSS PESTO : Un outil d'évaluation et de sélection de projets de logiciels open source

Xiaozhou Li, Sergio Moreschini

Prédiction de complexes protéine-ligand conscients de l'état en utilisant AlphaFold3 avec des séquences purifiées

Enming Xing, Junjie Zhang, Shen Wang, et al.

Petits mais significatifs : sur le potentiel des petits modèles de langage pour l'AIED accessible

Yumou Wei, Paulo Carvalho, John Stamper

Évaluation et amélioration de la robustesse du filigrane textuel pour SynthID de Google

Xia Han, Qi Li, Jianbing Ni, et al.

CharacterGen : Génération efficace de personnages 3D à partir d'images uniques avec canonicalisation de la pose multi-vues

Hao-Yang Peng, Jia-Peng Zhang, Meng-Hao Guo, et al.

AnyText : Génération et édition de texte visuel multilingue

Texte Vers Image

OCR

Yuxiang Tuo, Wangmeng Xiang, Jun-Yan He, et al.

Moderniser les anciennes photos en utilisant plusieurs références via un transfert de style photoréaliste

Agus Gunawan, Soo Ye Kim, Hyeonjun Sim, et al.

YOLOv11 démystifié : un guide pratique pour la détection d'objets haute performance

Nikhileswara Rao Sulake

SGDFuse : Modèle de diffusion guidé par SAM pour la fusion d'images infrarouges et visibles de haute fidélité

Xiaoyang Zhang, Jinjiang Li, Guodong Fan, et al.

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

LLM

Apprentissage Par Renforcement

Huajian Xin, Z. Z. Ren, Junxiao Song, et al.

LLaVA-OneVision : Transfert facile des tâches visuelles

Multimodal

Compréhension Vidéo

Bo Li, Yuanhan Zhang, Dong Guo, et al.

MegActor : Exploiter la puissance de la vidéo brute pour une animation de portrait vivante

Shurong Yang, Huadong Li, Juhao Wu, et al.

Flash-VStream : Compréhension en temps réel basée sur la mémoire pour les flux vidéo longs

Compréhension Vidéo

Réponse À Des Questions Visuelles

Haoji Zhang, Yiqin Wang, Yansong Tang, et al.

Texte Vers Image

Modèle De Diffusion

Zhen Li, Mingdeng Cao, Xintao Wang, et al.

Yupeng Zhou, Daquan Zhou, Ming-Ming Cheng, et al.

Shiyue Zhang, Benjamin Frey, Mohit Bansal

Areg Karapetyan, Majid Khonji, Chi-Kin Chau, et al.

Siddhant Arora, Yifan Peng, Jiatong Shi, et al.

Neha Sengupta, Sunil Kumar Sahu, Bokang Jia, et al.

Benjamin Brimacombe, Jiawei Zhou

Sijia Liu, Andrew Wen, Liwei Wang, et al.

Eloi Moliner, Vesa Välimäki

Patrick Zimmer, Michael Halstead, Chris McCool

Tencent Hunyuan Team

Yael Vinker, Tamar Rott Shaham, Kristine Zheng, et al.

L. Montagnier, J. Aïssa, A. Capolupo, et al.

Mike Thelwall

Xiaozhou Li, Sergio Moreschini

Enming Xing, Junjie Zhang, Shen Wang, et al.

Yumou Wei, Paulo Carvalho, John Stamper

Xia Han, Qi Li, Jianbing Ni, et al.

Hao-Yang Peng, Jia-Peng Zhang, Meng-Hao Guo, et al.

Texte Vers Image

OCR

Yuxiang Tuo, Wangmeng Xiang, Jun-Yan He, et al.

Agus Gunawan, Soo Ye Kim, Hyeonjun Sim, et al.

Nikhileswara Rao Sulake

Xiaoyang Zhang, Jinjiang Li, Guodong Fan, et al.

LLM

Apprentissage Par Renforcement

Huajian Xin, Z. Z. Ren, Junxiao Song, et al.

Multimodal

Compréhension Vidéo

Bo Li, Yuanhan Zhang, Dong Guo, et al.

PhotoMaker : Personnalisation de photos humaines réalistes via un empilement d'embeddings d'identité

StoryDiffusion : Auto-attention cohérente pour la génération d'images et de vidéos à longue portée

Démonstration de traduction automatique Cherokee-Anglais avec estimation de la qualité et rétroaction corrective

Algorithme en ligne pour la réponse à la demande avec des demandes inélastiques et une contrainte de puissance apparente

ESPnet-SDS : Boîte à outils et démonstration unifiées pour les systèmes de dialogue parlé

Jais et Jais-chat : modèles de langage génératifs à grande échelle ouverts, de base et ajustés pour l'instruction, centrés sur l'arabe

Traduction arrière rapide pour la traduction automatique non supervisée

Un cadre de traitement du langage naturel (NLP) ouvert pour la recherche clinique basée sur les dossiers de santé électroniques : une démonstration de cas utilisant le Collaboratif national de cohorte COVID (N3C)

Inpainting audio basé sur la diffusion

Segmentation panoptique en un clic : appliquée aux données agricoles

Hunyuan-Large : Un modèle MoE open-source avec 52 milliards de paramètres activés par Tencent

SketchAgent : Génération séquentielle de croquis pilotée par le langage

Dynamique de pontage hydrique de la réaction en chaîne par polymérase dans le paradigme de la théorie de jauge des champs quantiques

Recherches automatiques de documents sur Microsoft Academic : Précision pour les articles de revue et pertinence pour l'analyse des citations

OSS PESTO : Un outil d'évaluation et de sélection de projets de logiciels open source

Prédiction de complexes protéine-ligand conscients de l'état en utilisant AlphaFold3 avec des séquences purifiées

Petits mais significatifs : sur le potentiel des petits modèles de langage pour l'AIED accessible

Évaluation et amélioration de la robustesse du filigrane textuel pour SynthID de Google

CharacterGen : Génération efficace de personnages 3D à partir d'images uniques avec canonicalisation de la pose multi-vues

AnyText : Génération et édition de texte visuel multilingue

Moderniser les anciennes photos en utilisant plusieurs références via un transfert de style photoréaliste

YOLOv11 démystifié : un guide pratique pour la détection d'objets haute performance

SGDFuse : Modèle de diffusion guidé par SAM pour la fusion d'images infrarouges et visibles de haute fidélité

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

DeepSeek-Prover-V1.5 : Exploiter les retours des assistants de preuve pour l'apprentissage par renforcement et la recherche arborescente de Monte-Carlo

LLaVA-OneVision : Transfert facile des tâches visuelles