Haces una foto a una factura arrugada o a un tablero de ajedrez y le preguntas a la IA qué hay en ella. Con la factura tiene a su favor que leer y resumir documentos es uno de sus usos básicos. Con el tablero, la propia OpenAI avisa en su documentación de que sus modelos tienen problemas con la localización espacial precisa y pone ese ejemplo exacto: identificar la posición de las piezas. Continúa leyendo «Qué es un modelo de IA multimodal y qué puede hacer con imágenes, audio y vídeo»
Etiqueta: visión artificial
Glimpse, el primer modelo de Elorian, vuelve a mirar la imagen mientras razona y cuesta una fracción de GPT-6 Astra
Elorian, la startup de Palo Alto fundada por antiguos investigadores de Google, ha presentado Glimpse, un modelo de IA que no se limita a describir una imagen: la recorta, la amplía, extrae fotogramas de un vídeo y ejecuta código para medir mientras razona. Lo ha publicado el 16 de octubre como vista previa de investigación en su blog oficial, con un precio de 0,60 dólares por millón de tokens de entrada y 3 dólares por millón de salida. Continúa leyendo «Glimpse, el primer modelo de Elorian, vuelve a mirar la imagen mientras razona y cuesta una fracción de GPT-6 Astra»
Ouster compra StereoLabs y acelera la consolidación de sensores para la IA
La empresa de lidar Ouster ha anunciado la adquisición de StereoLabs, especialista en sistemas de percepción basados en cámaras para robótica e industria, mediante una combinación de 35 millones de dólares y 1,8 millones de acciones. La operación, adelantada por TechCrunch, no es solo un movimiento financiero: es una declaración de intenciones sobre cómo quieren posicionarse quienes fabrican “los sentidos” de las máquinas que se mueven por el mundo real.
Hay un matiz importante: pese al foco en la integración, StereoLabs seguirá funcionando como filial propiedad al 100% de Ouster. Ese tipo de estructura suele buscar un equilibrio entre capturar sinergias y no romper lo que ya funciona, especialmente cuando el valor de la comprada está en su equipo, su producto y su manera de iterar rápido. Continúa leyendo «Ouster compra StereoLabs y acelera la consolidación de sensores para la IA»
Meta presenta SAM 3D: reconstrucción 3D desde una sola imagen
Meta ha dado un paso importante en el campo de la percepción visual con el lanzamiento de SAM 3D, una herramienta que permite generar reconstrucciones tridimensionales de objetos y cuerpos humanos partiendo únicamente de una imagen en 2D. A diferencia de otras tecnologías similares, esta propuesta destaca por su capacidad de representar tanto la geometría como la textura con un alto grado de fidelidad, incluso cuando se trata de escenas reales complejas o parcialmente ocultas. Continúa leyendo «Meta presenta SAM 3D: reconstrucción 3D desde una sola imagen»
Implante ocular que proyecta imágenes en la retina: una nueva alternativa a los trasplantes de córnea
La ceguera corneal afecta a más de 12 millones de personas en todo el mundo. Hasta ahora, la solución más efectiva para recuperar la visión ha sido el trasplante de córnea, un tejido que permite el paso de la luz hacia la retina, donde se forma la imagen que el cerebro interpreta. Sin embargo, esta opción presenta importantes limitaciones: la escasez de donantes, el rechazo del injerto y una recuperación visual que no siempre alcanza niveles funcionales satisfactorios.
Con apenas 185.000 trasplantes de córnea realizados al año, la demanda supera ampliamente la oferta. Esto deja a millones sin posibilidad real de tratamiento. Pero un nuevo enfoque promete cambiar este panorama. Continúa leyendo «Implante ocular que proyecta imágenes en la retina: una nueva alternativa a los trasplantes de córnea»
Microsoft lanza OmniParser: el nuevo agente de IA para interfaces gráficas
Microsoft ha anunciado recientemente el lanzamiento de OmniParser, un nuevo modelo de inteligencia artificial diseñado para interpretar y operar en interfaces gráficas (GUI) basadas en visión. Este agente, disponible en Hugging Face bajo una licencia MIT, es el último avance de Microsoft en su impulso por dominar el sector de los agentes autónomos de IA. Lo interesante es que este lanzamiento se ha dado de manera bastante discreta, algo que no es común en la industria, y parece una respuesta directa a otras innovaciones en el campo, como la función “uso de computadora” de Anthropic. Pero, ¿qué hace exactamente que OmniParser destaque? Vamos a explorarlo.
Continúa leyendo «Microsoft lanza OmniParser: el nuevo agente de IA para interfaces gráficas»
Implante cerebral le devolvió parcialmente la visión a una mujer ciega
Investigadores de la Universidad de Utah en conjunto con la Universidad Miguel Hernández, desarrollaron un nuevo implante cerebral basado en microelectrodos que entran en contacto con la corteza de este órgano y son capaces de inducir la percepción de formas y letras en una persona ciega.
Junto con presentar asombrosos resultados, el equipo de investigación logró demostrar que esta intervención puede ejecutarse de manera segura y con mejores resultados que los que se habían conseguido con estudios anteriores.
Continúa leyendo «Implante cerebral le devolvió parcialmente la visión a una mujer ciega»
Nuevos detalles sobre la visión humana revelados gracias al uso de IA y un motor de gráficos
El funcionamiento cerebral tiene muchos misterios que buscan ser resueltos desde el mundo de la ciencia. Uno de ellos es la capacidad que este poderoso órgano tiene para crear representaciones gráficas de nuestro entorno o, en otras palabras, procesar toda la información que es captada a través de nuestros ojos en tiempo real.
Un equipo del MIT se propuso avanzar en esta tarea, pues las investigaciones desarrolladas hasta la fecha han logrado, mediante modelos computacionales de visión, la ejecución de tareas más pequeñas, como seleccionar objetos o rostros.
Visión artificial en la industria y la logística
La visión artificial (Computer Vision) es la tecnología que permite a los sistemas informáticos analizar imágenes de diversos tipos, incluyendo videos. Con el incremento de la accesibilidad de datos y algoritmos para su análisis, esta tecnología se está haciendo realmente popular. La visión artificial es necesaria para crear máquinas autónomas, robots industriales y otros escenarios donde se requiere la misma capacidad de análisis visual que poseen los humanos.
La extracción y el procesamiento de recursos naturales se hace cada vez más difícil, ya que a menudo se requiere trabajar en condiciones extremas. Cualquier actividad de este tipo, tanto la extracción de carbón o minerales desde profundidades de varios kilómetroscomo la perforación de pozos de petróleo en el lecho marino, pone en serio riesgo la seguridad y la salud de las personas. En condiciones difíciles es preferible sustituir la labor del ser humano por la de máquinas. Continúa leyendo «Visión artificial en la industria y la logística»
Boston Dynamics compra empresa especializada en visión inteligente
Boston Dynamics ha anunciado la compra de Kinema Systems, una empresa especializada en visión artificial con Deep Learning, compañía que usa una combinación de sensores de visión y software de aprendizaje profundo para trabajar con brazos robóticos capaces de mover cajas y apilarlas, tal y como vimos en el vídeo del robot de hace unos días. Continúa leyendo «Boston Dynamics compra empresa especializada en visión inteligente»