Diseño de Sistemas de IA Multimodales

Diseñar sistemas de IA conversacional que combinen comprensión del habla con percepción visual para aplicaciones de asistentes e interfaces activadas por voz y con conciencia visual.

Diseñe sistemas de IA que fusionen sin problemas texto, visión, audio y datos de sensores en tuberías multimodales unificadas para aplicaciones del mundo real.

Diseñe sistemas de moderación de contenido impulsados por IA que detecten contenido dañino, infractor o que viole políticas en texto, imágenes, video y audio a escala.

Diseñar, recopilar, anotar y controlar la calidad de conjuntos de datos multimodales de entrenamiento que combinan texto, imágenes, audio y video para el desarrollo de modelos de IA.

Diseñe evaluaciones comparativas y métricas rigurosas para sistemas de IA multimodales, garantizando una medición justa, reproducible y significativa de las capacidades.

Arquitecta y ajusta modelos de lenguaje y visión (VLM) para tareas como descripción de imágenes, preguntas y respuestas visuales, comprensión de documentos y razonamiento fundamentado.

Diseña sistemas de percepción multimodal para agentes de IA embodied — robots, drones y sistemas autónomos — integrando visión, lenguaje y datos de sensores.

Diseñar sistemas de IA multimodales para el sector sanitario que integren imágenes médicas, notas clínicas, datos de laboratorio y genómica para el apoyo al diagnóstico y la toma de decisiones clínicas.

Diseñe sistemas de generación aumentada por recuperación que recuperen y razonen sobre texto, imágenes, tablas y documentos para aplicaciones de IA intensivas en conocimiento.

Construye sistemas de IA que anclan espacial y temporalmente el lenguaje en escenas audiovisuales para aplicaciones en robótica, medios y accesibilidad.