Hola, soy Diego Revilla.

Desarrollé un modelo de difusión que reconstruye la planta completa de una vivienda a partir de un subconjunto parcial de habitaciones, con una precisión de reconstrucción del 89 % al observar solo el 50 % de las habitaciones.

• Diseñé un pipeline de entrenamiento basado en doble token para la tarea de reconocimiento de lugares en interiores, que mejora en un 12 % el Recall@3 frente a arquitecturas modernas como AnyLoc y DINOv3 congelado, sobre nuestro conjunto de datos interno.
• Entrené una política de preguntas activas al usuario basada en DQN que aprovecha la incertidumbre del modelo para decidir qué preguntar, con un 3 % más de precisión que una política voraz y manteniendo las preguntas por debajo de 3.
• Construí un conjunto de datos de 72 GB con 10 000 planos de viviendas representados como grafos heterogéneos, con semántica de conectividad (global y por pares de habitaciones), clasificación, mallas y cubemaps panorámicos por habitación.

Diseñé e implementé una arquitectura de razonamiento con estado para resolver de forma iterativa tareas de VQA espacialmente composicionales, aplicando razonamiento recursivo latente en modelos de visión y lenguaje sin depender de cadenas de pensamiento (CoT) basadas en texto.

• Introduje un mecanismo de cambio de atención condicionado que permite al modelo atender a distintas regiones de la entrada en cada paso de razonamiento, alcanzando un 80 % de F1 en VSR y GQA-rel (+6 % frente a una sola pasada).
• Entrené un modelo especialista de 400 M de parámetros que, en tareas de posición relativa y razonamiento espacial, supera a los modelos base InternVL2-8B y Qwen2.5-VL-7B sobre los mismos conjuntos de datos.
• Paralelicé el entrenamiento del VLM en 4 GPU H100 con DDP, reduciendo el tiempo de entrenamiento en un 70 %.

Diseñé un códec de compresión neuronal progresiva para Gaussian Splatting que permite el renderizado neuronal en infraestructuras cliente-servidor con ancho de banda limitado, con un tiempo hasta el primer renderizado inferior a 3 segundos.

• Reduje el tamaño total del archivo modelando el contexto espacial 3D para aprovechar la geometría local y la similitud entre características, reduciendo la entropía de incertidumbre y logrando una ganancia de compresión del 21 % frente a HAC.
• A pesar de ocupar menos espacio, igualé a los métodos actuales en métricas perceptuales, estructurales y de calidad (>27 dB PSNR, >0,87 SSIM, <0,21 LPIPS) sobre los conjuntos de datos BungeeNeRF y MipNeRF 360.
• Apliqué una estrategia de aprendizaje por currículo (curriculum learning) tolerante al ruido que aumenta la robustez en reconstrucciones parciales de escenas, recuperando +2 dB de PSNR frente al entrenamiento sin currículo.