Descubre cómo las parejas están utilizando ChatGPT para mejorar su comunicación y resolver conflictos en sus relaciones. La inteligencia artificial se convierte en un inesperado mediador sentimental, ayudando a las parejas a comprenderse mejor y a fortalecer sus vínculos.

Recientemente, el equipo de investigación de Meta Reality Labs publicó un innovador modelo generativo llamado "Pippo", capaz de generar un video de alta resolución (hasta 1K) de una rotación densa a partir de una sola fotografía. Este avance tecnológico representa un progreso significativo en el campo de la visión por computadora y la generación de imágenes. El núcleo de Pippo reside en su diseño de transformador de difusión multivista. A diferencia de los modelos generativos tradicionales, Pippo no requiere ninguna entrada adicional, como parámetros ajustados.

Recientemente, la aplicación Baidu Wen Xiaoyan (anteriormente conocida como Wenxin Yiyán) para iOS recibió una actualización a la versión 4.9.0. El punto destacado de esta actualización, que ha generado mucha expectación, es la integración del modelo DeepSeek-R1, lo que ha mejorado significativamente las funciones de la aplicación, especialmente en la resolución de problemas mediante fotos. Después de esta actualización, los usuarios que utilicen la función de resolución de problemas por foto de Wen Xiaoyan podrán ver con mayor claridad los pasos de razonamiento en el proceso de resolución. Esta función es muy similar a la función de cadena de pensamiento de DeepSeek, lo que mejora enormemente la experiencia del usuario en la resolución de problemas.

Recientemente, el Instituto de Imagen de Meitu (MT Lab) y la Universidad de Ciencia y Tecnología de Beijing propusieron conjuntamente una tecnología de recorte de imágenes de ultra alta resolución llamada MEMatte (Memory Efficient Matting), la cual fue seleccionada con éxito para la conferencia AAAI2025, una de las más importantes en el campo de la inteligencia artificial. El mayor atractivo de la tecnología MEMatte radica en que se trata de un marco de recorte de imágenes naturales con memoria eficiente, capaz de reducir eficazmente el coste computacional del modelo. Esta innovación permite el procesamiento en entornos con memoria limitada, como tarjetas gráficas comerciales y dispositivos periféricos.

Según informes de Intelligent Emergence, YunJinWei, desarrollador de sistemas operativos para cuerpos inteligentes, anunció recientemente que ha completado una ronda de financiación ángel de varios millones de yuanes, liderada por iFLYTEK. Esta ronda de financiación se utilizará para la investigación y el desarrollo de productos tecnológicos centrales y la construcción de un ecosistema de mercado. YunJinWei, fundada en junio de 2021, se centra en el desarrollo de sistemas operativos para cuerpos inteligentes. La empresa fue fundada por el Dr. Wang Wenyi, ex director del departamento de hardware de YITU Technology, y el Dr. Zhou Chang, cofundador, que anteriormente fue responsable del desarrollo de modelos visuales a gran escala de City Brain en Alibaba DAMO Academy. El equipo ha recibido el apoyo del Plan de Talentos Yaojiang de Ningbo y del Plan de Talentos Yongjiang, y ha obtenido...

Recientemente, un equipo de investigación de la Universidad de Nanjing, en colaboración con ByteDance y la Universidad del Suroeste, ha presentado una tecnología innovadora: STAR (Spatial-Temporal Augmentation with Text-to-Video Models), que busca utilizar modelos de texto a video para lograr el procesamiento de superresolución de videos del mundo real. Esta tecnología combina métodos de aumento espacio-temporal, lo que permite mejorar eficazmente la calidad de los videos de baja resolución, especialmente aquellos videos de baja definición descargados de plataformas para compartir videos. Para

En entornos profesionales, los agentes de interfaz gráfica de usuario (GUI) se enfrentan a tres desafíos clave. En primer lugar, la complejidad de las aplicaciones profesionales es mucho mayor que la del software general, lo que requiere una comprensión profunda de los diseños complejos; en segundo lugar, las herramientas profesionales suelen tener una resolución más alta, lo que resulta en tamaños de objetivo más pequeños y, por lo tanto, en una menor precisión de localización; por último, los flujos de trabajo suelen depender de herramientas y documentación adicionales, lo que aumenta la complejidad de las operaciones. Estos desafíos ponen de manifiesto la necesidad de desarrollar soluciones y puntos de referencia más avanzados para mejorar el rendimiento de los agentes GUI en estos exigentes escenarios. Actualmente

El equipo de investigación de Snap Inc. ha lanzado recientemente SnapGen, un generador de imágenes con inteligencia artificial capaz de generar imágenes de alta resolución directamente en teléfonos móviles de gama alta. Este lanzamiento permite a los usuarios disfrutar de una experiencia de creación de imágenes eficiente y cómoda en sus teléfonos, rompiendo la limitación tradicional de los generadores de imágenes con IA que requieren una gran capacidad de computación. La principal ventaja de SnapGen radica en la compacidad y eficiencia de su modelo. En comparación con los populares generadores de imágenes como SDXL, SnapGen tiene una cantidad de parámetros significativamente menor.

Una innovación significativa en el ámbito de los pagos digitales. iWallet, proveedor de soluciones de pago, lanza un sistema de pago por voz con IA. Este avance tecnológico marca la entrada del sector de pagos a la era de la interacción por voz inteligente. Actualmente, el sector de pagos utiliza ampliamente tecnologías tradicionales como la respuesta de voz interactiva (IVR) y la señalización de tonos duales de frecuencia múltiple (DTMF), lo que no solo ofrece una mala experiencia de usuario, sino que también presenta desafíos en cuanto al cumplimiento de la industria de tarjetas de pago (PCI). Para abordar este problema, el sistema de IA de voz desarrollado por iWallet garantiza el cumplimiento de PCI.

Recientemente, un equipo de investigación publicó una nueva técnica de superresolución de imágenes (SR) basada en la inversión de difusión (Diffusion Inversion), cuyo objetivo es mejorar la resolución y la nitidez de las imágenes mediante el aprovechamiento de la información previa de las imágenes en modelos de difusión preentrenados a gran escala. Esta investigación es el resultado del trabajo conjunto de tres académicos de diferentes instituciones académicas, cuyo objetivo es lograr un nuevo avance en el campo de la superresolución de imágenes. En esta técnica, los investigadores diseñaron una técnica llamada "predicción de ruido parcial" (Partial Noise Prediction)

¿Cansado de las fotos borrosas? InvSR, una nueva herramienta de superresolución de imágenes, ha llegado para solucionar este problema. Con unos pocos pasos, transforma imágenes borrosas en imágenes nítidas y definidas. Su potencia radica en el aprovechamiento del vasto conocimiento previo de imágenes contenido en los grandes modelos de difusión preentrenados, logrando una mejora de la resolución eficiente y de alta calidad. La tecnología central de InvSR reside en su innovadora estrategia de predicción parcial del ruido. Ingeniosamente, construye un estado intermedio del modelo de difusión como punto de partida para el proceso de muestreo, y utiliza un predictor de ruido profundo para...

Google acaba de lanzar Veo2, su nueva generación de modelos de generación de video, con el objetivo de competir con Sora de OpenAI. Google afirma que Veo2 muestra un mayor realismo y delicadeza al generar videos. Esta actualización no solo mejora la calidad del video, sino que también refuerza la comprensión de la física del mundo real y los matices del movimiento y las expresiones humanas. Google afirma que Veo2 "tiene una mejor comprensión de la física del mundo real, así como de los matices del movimiento y las expresiones humanas". Se puede acceder a él en Google Labs

En el campo de la generación de imágenes, la tarea de generar imágenes de alta resolución y realistas siempre ha enfrentado múltiples desafíos, especialmente en el proceso de síntesis de texto a imagen. Los métodos de generación tradicionales se basan principalmente en modelos de difusión y marcos de autoregresión variacional (VAR). Aunque estos modelos pueden generar imágenes de alta calidad, requieren una gran cantidad de recursos computacionales, lo que los hace poco flexibles para aplicaciones en tiempo real. Al mismo tiempo, los modelos VAR tienden a acumular errores al procesar etiquetas discretas, lo que lleva a la pérdida de detalles en las imágenes generadas y, por lo tanto, afecta el realismo de las imágenes. Para superar estas deficiencias

Recientemente, Visual China anunció una asociación estratégica con Beijing Shengshu Technology Co., Ltd. para explorar y construir conjuntamente una "plataforma y aplicaciones de modelos visuales para la industria". Esta colaboración tiene como objetivo profundizar la aplicación de la tecnología de inteligencia artificial en la industria del contenido visual e impulsar la modernización inteligente de la industria, con el fin de proporcionar servicios más eficientes e inteligentes a los creadores y usuarios de contenido visual en todo el mundo.

En su transmisión en vivo de hoy, OpenAI lanzó el esperado producto, Sora Turbo, que marca un gran avance en el campo de la IA generativa en 2024. Sora Turbo ha mejorado significativamente su eficiencia de generación, pudiendo generar videos de 1080p de hasta 20 segundos directamente a partir de texto, convirtiéndose en uno de los modelos de video con la duración de generación más larga del mundo. Este modelo admite la entrada de texto, imágenes o videos para generar contenido de video específico, lo que permite un mayor control sobre el resultado de la generación.

El 5 de diciembre, Zhu Xiaohu, socio director de Gaorong Capital, respondió a la reciente demanda de arbitraje presentada en Hong Kong por algunos inversores de la empresa de inteligencia cíclica contra Yang Zhilin, fundador de Yue Zhi Anmian, y Zhang Yutao, cofundador y director de tecnología. Afirmó que Yue Zhi Anmian era un proyecto desarrollado internamente por la inteligencia cíclica durante dos años y que aún no ha recibido la resolución oficial de los accionistas de la inteligencia cíclica. Zhu Xiaohu aclaró además que esta disputa no se limita al problema del documento de exención, sino que también involucra la demora en la resolución de la junta directiva y conflictos de intereses. Según se informa, Yue Zhi Anmian (Moonshot AI) en 20...

En el ámbito de la IA abierta, la brecha con las grandes empresas tecnológicas no se limita a la potencia de cálculo. AI2 (anteriormente Allen Institute for Artificial Intelligence) está reduciendo esta brecha mediante una serie de iniciativas innovadoras. Su última solución de entrenamiento posterior, Tülu3, hace que la transformación de modelos de lenguaje grandes 'primitivos' en sistemas de IA prácticos esté al alcance de la mano. A diferencia de la creencia popular, los modelos de lenguaje básicos no están listos para su uso directo después del preentrenamiento. De hecho, el proceso de entrenamiento posterior es clave para determinar el valor final del modelo. Es en esta etapa donde el modelo pasa de ser un ente 'omnisciente'

La aparición de modelos como Stable Diffusion ha supuesto un gran avance en el campo de la generación de imágenes, pero su diferencia fundamental con los modelos de lenguaje autorregresivo ha obstaculizado el desarrollo de modelos visuales lingüísticos unificados. Para abordar este problema, los investigadores han presentado Meissonic, que eleva la tecnología de modelado de imágenes enmascaradas no autorregresivo (MIM) de texto a imagen a un nivel comparable al de los modelos de difusión de vanguardia como SDXL. El núcleo de Meissonic radica en una serie de innovaciones arquitectónicas y una codificación de posición avanzada.

El gigante tecnológico Microsoft ha lanzado recientemente un asistente de chat con IA para su consola Xbox, marcando el comienzo de la era de la IA en su negocio de juegos. Esta medida coincide con el lanzamiento de la Sony PS5 Pro con una nueva tecnología de súper resolución con IA, intensificando la competencia en el campo de la IA para consolas. Según el medio tecnológico The Verge, este nuevo asistente virtual está principalmente orientado al soporte de atención al cliente en línea. Esta es la última iniciativa del CEO de Microsoft, Satya Nadella, para impulsar la estrategia de IA en toda la empresa, mientras que anteriormente Xbox había mantenido una distancia relativamente cautelosa con la IA.

El desarrollo de la IA generativa está avanzando rápidamente, pero evaluar su rendimiento de manera integral sigue siendo un desafío. Aparecen constantemente nuevos modelos con resultados cada vez más impresionantes. Sin embargo, surge la pregunta: ¿cómo evaluar la eficacia de estos modelos de generación de imágenes a partir de texto? Los métodos tradicionales, ya sea la evaluación visual subjetiva o el uso de métricas simples como CLIPScore, a menudo no logran captar los detalles complejos de las indicaciones de texto, como las relaciones entre objetos o el razonamiento lógico. Esto lleva a resultados de evaluación inexactos, e incluso erróneos, en muchos modelos de generación de imágenes a partir de texto.