Computer Vision

Clasificación de imágenes

La tarea de asignar una etiqueta a una imagen completa, por ejemplo «gato», «perro» o «avión».

Visión por computadora

El campo de la IA que permite a las computadoras interpretar y entender imágenes y video.

Convolución

Una operación que desliza un pequeño filtro sobre una imagen (u otra señal) y calcula en cada posición qué tanto coincide con un patrón.

Convolutional Neural Network

Un tipo de red neuronal diseñado para imágenes que aprende a detectar patrones locales —bordes, texturas, formas— usando filtros que recorren la imagen.

Generación de imágenes

Crear imágenes nuevas con IA, normalmente a partir de una descripción en texto.

Modelo multimodal

Un modelo capaz de procesar y a veces generar varios tipos de información, como texto, imágenes, audio o video.

Detección de objetos

Encontrar qué objetos hay en una imagen y dónde están, marcando cada uno con un recuadro y una etiqueta.

Segmentación de imágenes

Clasificar cada píxel de una imagen para delimitar con precisión la forma exacta de cada objeto o región.

Ataque adversario

Modificar una entrada de forma sutil —a menudo imperceptible para humanos— para que un modelo cometa un error.

Modelo de difusión

Un modelo generativo que aprende a crear imágenes (u otros datos) partiendo de ruido aleatorio y eliminándolo paso a paso.

Difusión latente

Un modelo de difusión que trabaja en un espacio comprimido de la imagen en lugar de en sus píxeles, lo que lo hace mucho más eficiente.

Vision Transformer

Una adaptación del Transformer a imágenes que divide la imagen en parches y los trata como si fueran tokens.