Vídeo con IA
La generación de video a partir de texto es una de las fronteras que más rápido avanza en la IA: Sora de OpenAI, Veo de Google, Runway, Kling y otros convierten un par de frases en clips cada vez más realistas. Está cambiando la publicidad, el cine y el debate sobre autoría y deepfakes. Aquí está toda nuestra cobertura del video con IA: lanzamientos de modelos, calidad, precios y cambios en la industria.
Revisión de Shengqiong Wu y Hao Fei: más de 600 trabajos sobre los modelos de vídeo como modelos del mundo
Un equipo con Shuicheng Yan, Ming-Hsuan Yang y Philip Torr reúne la comprensión y la generación de vídeo en un único marco y analiza más de 600 trabajos en 19…
NVIDIA abre Flora: etiquetado de datos para robots 125 veces más barato que GPT-6 Astra
NVIDIA publica en abierto Flora, el motor de etiquetado de GR00T. Etiqueta 200 000 horas de datos al día en 512 GB300 y cuesta unas 125 veces menos que GPT-6 Astra.
HiP3R reconstruye escenas 3D a partir de miles de fotogramas de vídeo sin reentrenar modelos
Investigadores de NTU Singapore proponen un grafo de poses jerárquico: primero se alinean fragmentos de vídeo en Sim(3) y luego a cada fotograma se le asigna una…
NUS enseñó a un modelo a encontrar lo que él mismo describió: el gIoU sube de 57,5% a 68,2%
La Universidad de Pekín acelera la carga de vídeo para IA en 1,45 veces
CausalAlign cura el "olvido" de los modelos de video: los errores de geometría caen un 20%
Seis equipos de UCSB, Stanford y J.P. Morgan lanzan un benchmark de memoria para agentes
DuoLM acelera 60 veces las recomendaciones con LLM: 26 400 puntuaciones por segundo en un solo H100
Un LLM de recomendación dividido en codificador y ranker, con las descripciones en caché, logra 26 400 puntuaciones de candidatos por segundo en un H100 con la…
RoboJudge-9B juzga videos de robots con más precisión que Gemini: correlación con humanos de 0,719
Investigadores de CUHK crearon un benchmark de 800 videos anotados y entrenaron un juez de 9B para video robótico: correlación con humanos de 0,719, 0,089 por…
Black Forest Labs: una plantilla de 70 personas desafía a los gigantes de Silicon Valley
OpenAI presenta el nuevo ChatGPT Voice con el modelo GPT Live, sin ofrecer detalles técnicos
EgoX reúne cámara, manos y objetos en una sola escena 3D y es un 65,6% más preciso en las manos
Stateful Harness eleva del 32% al 92% la precisión de los modelos de mundo con estado oculto
Ingeniería inversa de sitios web caros con IA: por qué la mitad del '3D complejo' en la web se monta en dos noches
Los sitios promocionales impresionantes, con iluminación compleja y gráficos volumétricos, antes requerían mes y medio de trabajo de un estudio de diseño y un…
Fine-tuning de Gemma 4 con GPU en Cloud Run: del 89% al 94% en clasificación de animales
Un análisis completo del fine-tuning de Gemma 4 con datos propios en Google Cloud. Una arquitectura con soporte nativo para video y audio, cuantización QLoRA y un…