Feng Zheng

UniAV kombiniert Aktionslokalisierung, Geräuscherkennung und audio-visuelle Ereignislokalisierung für ein besseres Videoverstehen.

Die Qualität der Textgenerierung verbessern, indem man saubere Beispiele auswählt.

LLplace vereinfacht das 3D-Layout-Design mit natürlicher Spracheingabe.

ARIO standardisiert Daten, um das Training und die Anpassungsfähigkeit von Robotern zu verbessern.

LongVALE setzt einen neuen Massstab dafür, lange Videos durch audio-visuelle Daten zu verstehen.

Eine neue Plattform, wo Roboter Interaktionen und Fähigkeiten wie Menschen lernen können.

Neue Techniken verbessern die Anomalieerkennung in lauten Datenumgebungen in verschiedenen Branchen.