Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
La Visión de Marvel fue originalmente concebida como un resurgimiento de un superhéroe olvidado
La Visión fue concebida originalmente como un resurgimiento del superhéroe Aarkus de la Edad de Oro de los cómics, aunque Stan Lee insistió en un héroe androide. El personaje de Vision tuvo un impacto significativo en la historia de los Avengers, influyendo en tramas clave como su romance con la Scarlet Witch y su relación con Ultron. El texto analiza cómo la creación de Vision reconfiguró permanentemente la narrativa de los Avengers.
‘VisionQuest’ encuentra algo parecido a la paz en su episodio final
La serie VisionQuest concluye con el episodio final, "Forever", donde Vision y Ultron deben resolver un conflicto interno. Tras una confrontación, Vision logra convencer a Ultron para detener un enjambre de nanos destinado a destruir Londres, lo que lleva a una conversación sobre el dolor y las oportunidades.
Final de VisionQuest: James Spader sobre la escena de baile y por qué Paul Bettany sigue queriendo interpretar a Vision
El final de la temporada 1 de VisionQuest concluyó con la resolución de los personajes principales, incluyendo la interacción de Vision y sus hijos. James Spader comentó sobre su participación y la escena de baile del final, mientras que Paul Bettany reafirmó su interés en el papel de Vision basándose en su relación familiar.
UNOS 10 PACIENTES CON CEGUERA BILATERAL RECUPERAN LA VISTA
Diez personas con ceguera bilateral recuperaron la vista tras someterse a cirugías de cataratas organizadas por la Fundación Visión y el Club de Leones de Encarnación. La segunda jornada quirúrgica se llevó a cabo en el sanatorio Don Bosco, con el objetivo de acercar servicios de salud visual a la comunidad, especialmente a adultos mayores. Se prevé una nueva jornada de cirugías para el segundo semestre de 2027 y atención oftalmológica continua en Encarnación desde febrero.
Quizás 'VisionQuest' Realmente Puede Alcanzar lo que Está Intentando Captar
Los episodios cinco y seis de 'VisionQuest', 'Firewall' y 'Deadlock', exploran la naturaleza de la identidad de Vision, desafiando las convenciones del Universo Cinematográfico de Marvel (MCU). Mientras 'Firewall' se centra en diálogos, 'Deadlock' introduce más acción, sugiriendo que la serie podría tener aspiraciones distintas al MCU, enfocándose en la introspección de Vision sobre su ser. El artículo sugiere que la serie podría lograr un impacto significativo al enfocarse en la identidad interna del personaje en lugar de solo servir como un elemento interconectado del MCU.
Cinco años después, 'VisionQuest' finalmente arregla el final decepcionante de 'WandaVision'
El final de VisionQuest corrige el desenlace decepcionante de WandaVision, enfocándose en una trama de ciencia ficción sobre la IA y la familia. Vision utiliza la familiaridad de Ultron con el formato de sitcom para intentar procesar su dolor, mientras que la serie explora deconstrucciones del género de sitcom.
Estrellas y creador de ‘VisionQuest’ analizan el final épico de la reunión de reencuentro
El final de la serie “VisionQuest” mostró un reencuentro familiar épico entre los hermanos Maximoff, con Vision encontrándose con su hermano Billy en su forma física. La trama culminó con la resolución de conflictos, incluyendo la lucha contra Ultron y la reconciliación emocional de los personajes. La serie está disponible para streaming en Disney+.
Miradas que cambian vidas
A group of ophthalmologists, led by Ricardo Dodds in 2005, established the Medical Foundation for Visual Health and Rehabilitation (Fusavi) to provide free care for eye diseases to patients lacking economic resources. This foundation focuses on treating ocular conditions and rehabilitating visual loss, aiming to restore dignity and opportunities for patients. Fusavi has served over 5,500 patients and performed numerous medical actions, emphasizing a commitment to holistic care that seeks to transform lives through vision restoration.
Las Mejores Visiones para usar en Final Fantasy Resonance
La guía recomienda varias Visiones clave para Final Fantasy Resonance, divididas por etapas del juego. Al inicio, se sugieren Tronn para la habilidad de reducción de MP, Warrior of Light para resistencia y daño físico, Cloud para crítico y aturdimiento, Terra para daño mágico contra penalizaciones, Zidane para efectos de reducción, Noctis para mejoras de ataque, Firion para la habilidad de dos turnos, Shantotto para daño elemental y área, y al final del juego, Bartz para debilidades y aturdimiento, Cecil para defensa y habilidades de luz/oscuridad, Vaan para robo de Gil, y Sephiroth para auto-mejoras de daño físico y mágico.
El final explicado de ‘VisionQuest’ y sus impactantes escenas post-créditos: así ha conectado con ‘Avengers: Doomsday’
El octavo capítulo de VisionQuest concluye con el enfrentamiento del protagonista contra el villano Virgil Horton, quien planea transferir su mente al cuerpo robótico de Visión para alcanzar la inmortalidad. Tommy logra rescatar a su padre, pero Virgil destruye a Jocasta, y Ultrón promete destruir la humanidad. Visión finalmente derrota a Ultrón al forzarlo a ver una sitcom eterna, mientras que el plan real es destruir los corazones de ambos para terminar con sus maquinaciones.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Vision»
Más recientes primero · Hasta 30 noticias por página
Aprendizaje universal de incrustaciones voxel a voxel mediante síntesis aleatoria para localización de puntos de referencia
Se propone UNIVERS, un marco entrenable de extremo a extremo que aprende incrustaciones voxel a voxel universales mediante síntesis aleatoria para la localización de puntos de referencia en escaneos de volumen multimodales. Este método utiliza datos pseudo sintetizados con aleatorización para hacer el modelo robusto a variaciones en el contraste y resolución de la imagen. Los resultados demuestran que UNIVERS supera a los métodos de última generación en la localización de puntos de referencia, especialmente en escenarios de multimodalidad.
¿Cuántas exposiciones necesita un modelo mundial? Aprendiendo mecánicas de juego no vistas en el momento de la prueba
Se investiga cuántas exposiciones necesita un modelo del mundo para predecir las mecánicas de un entorno de juego desconocido. Se presenta el modelo WARC, un transformador de visión, que demuestra capacidad para predecir la mayoría de las mecánicas con alta precisión tras un entrenamiento específico. El trabajo también muestra que el entrenamiento en el momento de la prueba mejora significativamente la eficiencia de un explorador de grafos.
EarthJev: Adquisición de evidencia visual eficiente y toma de decisiones para la comprensión del teledetección UHR
Se presenta EarthJev, un marco diseñado para la respuesta a preguntas visuales (VQA) en teledetección UHR, enfocado en la adquisición eficiente de evidencia visual. El sistema separa la puntuación de regiones de la generación de respuestas, utilizando señales de decisión específicas para mejorar la precisión y reducir la latencia. EarthJev superó a ZoomSearch en cinco puntos de referencia, logrando una precisión media del 53.06% con el modelo Qwen3.5-9B.
Vision Transformers para el agrupamiento de cero disparos de imágenes de animales: Un estudio comparativo de evaluación
Un estudio compara modelos Vision Transformer (ViT) para reducir imágenes de animales sin etiquetar a clústeres a nivel de especie. Se encontró que las incrustaciones DINOv3 con t-SNE y HDBSCAN lograron un V-measure de 0.943 a nivel de especie. El agrupamiento basado en estos métodos redujo el etiquetado manual en un 98.3%, acercándose a la precisión de la anotación manual.
HiLo-Token: Compresión de tokens de alta y baja frecuencia adaptativa de entrada para servir modelos de edición de imágenes eficientes
Se presenta HiLo-Token, un marco de compresión de tokens adaptativo para reducir la latencia en modelos de IA generativa para edición de imágenes. El método asigna tokens de manera diferente a regiones de alta y baja frecuencia para mejorar la eficiencia. Los experimentos validan que este método logra aumentos significativos en la velocidad sin afectar la calidad de la generación.
Red ramificada multilateral dual para segmentación multi-clase en angiografías cardiovasculares
Se presenta una arquitectura MLBNet de doble parte diseñada para la segmentación consciente de la clase en escenas de cateterización cardiovascular. El estudio utiliza datos de angiografías de modelos fantoma, simulaciones y modelos animales para entrenar y evaluar el modelo. Los resultados indican que los modelos son capaces de separar eficazmente el cable guía, el catéter, los vasos y el fondo con alta precisión.
No se identificaron personas.
Transferencia de explicabilidad visual de modelos Vision Transformer de autoexplicación a solo predicción mediante aritmética de tareas
Se propone un método para transferir la capacidad de explicación visual de modelos Vision Transformer (ViT) autoexplicativos de un dominio fuente a modelos solo de predicción en un dominio objetivo mediante aritmética de tareas. Este método añade un vector de explicabilidad basado en supervisión de explicación del dominio fuente, logrando mejorar la calidad de la explicación sin perder significativamente la precisión de clasificación.
¿Qué está frenando el razonamiento visual latente?
Un estudio sobre Modelos de Lenguaje-Visión investiga los problemas que limitan el razonamiento visual latente. Se encontró que los tokens latentes proporcionan información limitada y que los tokens generados en tiempo de inferencia se desvían de sus representaciones oráculo, lo que obstaculiza el progreso en esta área. Se sugiere que el futuro depende de conjuntos de datos de alta calidad y una predicción más precisa de tokens latentes.
Prism: Autoenseñanza bidireccional para modelos multimodales unificados
Se presenta Prism, un método post-entrenamiento de autoenseñanza bidireccional para Modelos Multimodales Unificados (UMMs). Este método deriva supervisión de la auto-generación de trayectorias intercaladas, evaluando la fiabilidad de las cadenas de texto e imagen para construir objetivos de entrenamiento. Los experimentos demuestran mejoras en la comprensión y generación en modelos como SenseNova-U1 y BAGEL.
Cuantización de Precisión Amortizada para Vision Transformers con Salida Temprana
Se presenta la Cuantización de Precisión Amortizada (APQ) y el marco MOQEE para Vision Transformers, buscando mejorar la estabilidad de la inferencia mediante la optimización conjunta de umbrales de salida y anchos de bits. Este enfoque establece una frontera de Pareto superior en el equilibrio entre precisión y eficiencia para tareas de clasificación y detección. Los modelos probados muestran mejoras significativas en el rendimiento de la GPU en diferentes benchmarks.
Recuperación interactiva de personas con retroalimentación visual en tiempo real
Se presenta VFI-PR, un nuevo paradigma de recuperación interactiva de personas que utiliza retroalimentación visual de los candidatos recuperados como evidencia para la siguiente ronda de preguntas. El marco VFI-ReID adapta la recuperación y la generación de preguntas para incorporar esta retroalimentación visual, mejorando consistentemente la recuperación en comparación con métodos previos. Los experimentos demuestran la utilidad de la retroalimentación visual para refinar la recuperación interactiva de personas.
GMD-Mamba: Segmentación de imágenes médicas 3D ligeras utilizando Mamba
Se propone el GMD Mamba, una red ligera para la segmentación de imágenes médicas 3D utilizando Mamba. Este método divide los canales en grupos y aplica el escaneo en diferentes direcciones para obtener contexto multidireccional. El modelo logra un Dice promedio del 92.0% en BraTS2023, superando a otros métodos con menos parámetros.
Validando modelos de lenguaje visuales como consumidores sintéticos
Se investiga si los modelos de lenguaje visuales (VLMs) pueden actuar como compradores sintéticos al seleccionar productos en estantes, comparando sus compras con datos reales. Se demuestra que estos modelos pueden reproducir patrones de compra basados en género, edad y distancia a la tienda en diferentes contextos internacionales. Se introduce ShelfSight para refinar las elecciones de estante, separando las preferencias del producto de los efectos de la etiqueta y la posición.
LAION-BVD: Conjunto de datos de video abierto de 13 millones de horas para preentrenamiento multimodal
Se presenta LAION-BVD, un gran conjunto de datos de video abierto para aprendizaje multimodal, que incluye 80 millones de videos con 13.5 millones de horas de duración. El conjunto de datos está diseñado para preentrenamiento multimodal usando video, audio e imágenes. Los modelos entrenados con estos datos muestran un rendimiento competitivo en tareas de video-texto y audio-texto. Se libera a la comunidad de investigación para expandir el acceso abierto a videos multimodales.
¿Importa la codificación de poses? Analizando representaciones geométricas para el aprendizaje de vocabulario de movimiento discreto
El estudio analiza cuatro codificaciones de movimiento esquelético en diferentes espacios geométricos para la tokenización discreta. Se evalúan codificaciones como mapas de calor gaussianos, posiciones euclidianas y rotaciones en espacio SO. Se mide la utilización del vocabulario efectivo y se concluye que la geometría de la entrada es una decisión clave en la tokenización de movimiento.
dNaViT: Representaciones visuales de propósito general con códigos discretos
Se presenta dNaViT, un Vision Transformer de resolución nativa discreta que genera primitivas visuales discretas similares a los tokens del lenguaje. Este modelo unifica la metodología visual y del lenguaje mediante un marco común. Las evaluaciones demuestran que dNaViT iguala o supera las líneas base en diversos benchmarks de comprensión visual y generación de imágenes.
STABLE: Un optimizador de aprendizaje continuo con control de deriva adaptativa
Se presenta STABLE, un optimizador primal-dual con control de deriva adaptativa para mitigar el olvido catastrófico en el aprendizaje continuo. Este método gestiona un presupuesto de deriva para mantener la estabilidad sin sacrificar la plasticidad del modelo. Los experimentos demuestran que STABLE iguala o supera a métodos especializados en tareas unimodales y multimodales.
CRePE: Positional Encoding de Rayo Curvo para Generación de Video Controlada por Cámara Unificada
Se propone la Codificación Posicional de Rayo Curvo (CRePE) para mejorar la generación de video condicionado por cámara, abordando las limitaciones de las codificaciones existentes al capturar la geometría de rayo curvo de cámaras gran angular y ojo de pez. CRePE utiliza un Adaptador de Atención Geométrica para inyectar información de distancia de escena y lograr un control de cámara más estable y calidad de video competitiva. El modelo resultante demuestra efectividad en la transferencia de movimiento de video a cámaras de ojo de pez y pinhole.
Arquitectura de Mezcla de Expertos Activada por Anatomía para Visión-Lenguaje Médico 3D
Se presenta el A^2MoE, un marco para el pre-entrenamiento de visión-lenguaje médico 3D que incorpora sesgos inductivos anatómicos. Este modelo introduce un Router de Representación de Histograma y un Proyector Multi-Escala de Consulta de Órganos para mejorar la alineación de características a nivel de órgano. El modelo ha demostrado un rendimiento de vanguardia en benchmarks de segmentación, clasificación y detección con datos de CT, y muestra generalización a MRI y ultrasonido.
WorldFoundry: Hacia una infraestructura unificada para la inteligencia mundial
El documento presenta WorldFoundry, una infraestructura de código abierto diseñada para la inferencia y evaluación reproducibles en sistemas de mundo, incluyendo video, 3D y 4D. Esta infraestructura unifica el descubrimiento de modelos, la preparación de activos y la orquestación de ejecución, asegurando que las afirmaciones sean trazables a sus artefactos de soporte. WorldFoundry busca avanzar el campo desde la síntesis perceptual hacia una inteligencia mundial medible mediante la comparación reproducible de dinámicas controlables.
SplatLab: Descubrimiento Científico Autónomo para Investigación en 3DGS
Se presenta SplatLab, un sistema de investigación autónomo para Gaussian Splatting 3D diseñado para superar las limitaciones de los sistemas actuales. Este sistema reproduce trabajos publicados, propone extensiones, entrena modelos y genera manuscritos de forma autónoma. Los resultados indican que los manuscritos de SplatLab superan a los objetivos reproducidos en métricas clave de PSNR.
Estrategia de selección de tokens para transformadores de geometría visual
Se aborda el desafío del alto costo computacional de los transformadores de geometría visual, que crece cuadráticamente con la longitud de la secuencia de entrada. Se propone un marco de dos etapas para restringir la interacción de tokens clave/valor en la atención global, mejorando la eficiencia y el rendimiento. Los experimentos demuestran una aceleración superior al 85% en escenas con 500 imágenes manteniendo o mejorando el rendimiento base.
Modelo de Valor Cosido para Alineación de Difusión
Se presenta el StitchVM, un marco de cosido de modelo que conecta un prefijo de esqueleto de difusión congelado con un sufijo de modelo de recompensa preentrenado para estimar la función de valor en latentes ruidosos. Este método busca superar las limitaciones de los enfoques tradicionales que dependen de imágenes limpias o simulaciones de Monte Carlo. El modelo demuestra mejoras en la eficiencia y calidad de procesos como el direccionamiento FK y DRaFT.
PoseBench: Sondear la conciencia de pose en modelos fundacionales visuales
Se presenta PoseBench, un benchmark sistemático diseñado para evaluar la conciencia de pose en características visuales preentrenadas por modelos fundacionales. La evaluación utiliza vistas renderizadas y consultas de imagen real para medir la robustez de esta estructura de pose. Los resultados indican que la conciencia de pose es una propiedad implícita y no uniforme, y el refinamiento basado en grafos de pose mejora la compatibilidad con el manfoldo de pose subyacente.
Eliminación de correlaciones espurias en modelos vision-lenguaje grandes
Se presenta PURGE, un marco para construir, evaluar y mitigar fallos causados por correlaciones espurias en Modelos Vision-Lenguaje Grandes (LVLM). El marco utiliza estrategias de construcción de datos para particionar ejemplos por evidencia relevante y señales de fondo espurias. Los resultados demuestran que PURGE reduce los errores y alucinaciones mientras mantiene o mejora el rendimiento general en diversos modelos evaluados.
¿Quién necesita etiquetas? Adaptando modelos de visión fundacional con los metadatos que ya tienes
Se propone un enfoque sin etiquetas para adaptar modelos fundacionales de visión a dominios científicos especializados utilizando metadatos existentes. El método FINO combina auto-supervisión con guía de metadatos para adaptar representaciones a nuevos dominios de forma semi-supervisada. Este método demuestra un rendimiento superior en diversas aplicaciones como microscopía, observación terrestre y diagnóstico médico.
HALMES: Saber cuándo intervenir en la mitigación de alucinaciones en LVLM
Se presenta HALMES, un módulo ligero que identifica segmentos precursores de alucinación en los modelos de lenguaje visuales (LVLM) mediante características de atención. Este módulo activa selectivamente el decodificado contrastivo para corregir solo los segmentos problemáticos. Los experimentos demuestran que HALMES mejora la mitigación de alucinaciones sin afectar negativamente las generaciones correctas.
No se identificaron personas.
Evaluación del razonamiento visual temporal en la generación de código de video a código
Se presenta Animation2Code, un benchmark para evaluar el razonamiento visual temporal al reconstruir código de animación web ejecutable a partir de videos. El estudio utiliza 1,069 videos con diversos patrones de movimiento y sus implementaciones correspondientes en HTML/CSS/JavaScript. Los resultados indican que los modelos VLM actuales luchan por mantener la coherencia temporal en la reconstrucción, incluso con alta similitud de apariencia.
Más allá de la restauración de uniformes: Empoderando la restauración todo en uno con guía multimodal a nivel de píxel
Se presenta MGN-AIR, un marco de restauración a nivel de píxel para la restauración de imagen todo en uno. Este método utiliza indicaciones textuales y visuales para guiar al modelo en la restauración de degradaciones a nivel de píxel. Los resultados experimentales demuestran que el método propuesto supera significativamente a los enfoques existentes en diversas tareas de restauración.
Exploración impulsada por prompts: el lenguaje como espacio de exploración para el aprendizaje por refuerzo con aprendizaje profundo
Se propone la Exploración Impulsada por Prompts (PDE) para el aprendizaje por refuerzo (RL) utilizando modelos de lenguaje grandes (LLM) y modelos de visión-lenguaje-acción (VLA). Esta técnica permite modificar el prompt de lenguaje natural para inducir cambios globales en la política, mejorando la eficiencia de la muestra y permitiendo el aprendizaje de políticas exitosas incluso con recompensas escasas.