El artículo presenta SmartSDG, una tubería automatizada que utiliza NVIDIA Isaac Sim y Sombreado Basado en Física para optimizar la adaptación de dominio sintético-a-real. Muestra que la iluminación indirecta y los fondos complejos mejoran la detección de objetos al preservar las texturas de superficie y reducir falsos positivos, superando a los datos sintéticos convencionales con luz directa.
arxiv
arXiv cs.AI
·
hace 79 d
·
fuente: hace 82 d
·
research
La tubería SmartSDG mejora la detección de objetos sintético-a-real
Traducido del English → Español
Importancia 2/3
Nuevo entorno de evaluación con diferenciadores
arXiv cs.AI
NVIDIA
Evaluation & benchmarks
Multimodal
Artículos relacionados
lab
NVIDIA Research
·
hace 45 d
·
26 vistas
NVIDIA presenta Spatial-IQ, un marco de diagnóstico jerárquico para el razonamiento espacial en modelos multimodales
Investigadores de NVIDIA han presentado Spatial-IQ, un marco de diagnóstico diseñado para descomponer la inteligencia espacial de los grandes modelos de lenguaje multimodales (MLLMs). A diferencia de las evaluaciones existentes que tratan a los modelos como cajas negras, este enfoque descompone el conteo de objetos en estructuras 3D apiladas en nueve sub-tareas perceptivas y cognitivas alineadas con las etapas del desarrollo humano.
media
Hugging Face Forums
·
hace 18 d
·
18 vistas
La fusión unificada de GGUF y el fork de llama.cpp habilitan audio y vídeo para Nemotron-3-Nano-Omni
El autor aborda las fallas silenciosas en las versiones populares de GGUF de Nemotron-3-Nano-Omni-30B, donde las entradas de audio y vídeo eran ignoradas debido a archivos de proyección incompletos y gráficos de inferencia faltantes. Para solucionar esto, se ha publicado un archivo mmproj unificado que contiene la torre de visión, el codificador de audio Parakeet/FastConformer completo y el incrustador temporal de vídeo, junto con un fork especializado de llama.cpp.
media
Hugging Face Forums
·
hace 18 d
·
12 vistas
Nemotron 3.5 Lightning Omni de cero disparos añade visión y audio mediante coincidencia geométrica
El autor ha creado Nemotron 3.5 Lightning-Omni adjuntando proyectores preentrenados de Nemotron-3-Nano-Omni de NVIDIA al modelo Nemotron 3.5 Lightning solo de texto, lo que permite la comprensión de imágenes y audio sin ningún entrenamiento adicional.
arxiv
arXiv cs.CL
·
hace 24 d
·
16 vistas
Nemotron-3-Embed cierra la brecha comercial en los benchmarks de recuperación de MuSiQue
Una nueva auditoría de benchmarks de recuperación multi-hop revela que Nemotron-3-Embed-8B de NVIDIA ha cerrado la brecha de rendimiento entre los embedders con licencia comercial y el ancla NV-Embed-v2 no comercial en el benchmark MuSiQue. Lanzado el 16 de julio de 2026, este modelo es la única opción con licencia comercial y autoalojamiento gratuito que se desempeña de manera indistinguible del estándar académico.
lab
Microsoft Research Blog
·
hace 30 d
·
43 vistas
Microsoft Research presenta el benchmark MindTopo para evaluar el razonamiento espacial de los VLM
Microsoft Research ha presentado MindTopo, un nuevo benchmark diseñado para evaluar si los modelos de lenguaje multimodales grandes poseen intuición topológica respecto a conectividad, contención, orden, separación y nudos.