Gangshan Wu

Eine neuartige Methode verbessert die Fähigkeit von Vision-Language-Modellen, sich an neue Aufgaben anzupassen.

JointFormer verbessert VOS, indem es Merkmalsextraktion, Matching und Speicherverwaltung integriert.

SportsHHI konzentriert sich auf menschliche Interaktionen in Basketball- und Volleyballvideos für bessere Analysen.

Ein neues Framework verbessert die Anpassungsfähigkeit von Vision-Sprach-Modellen durch smarte Datenverarbeitung.

Eine neue Methode verbessert die Sprachtrennung in lauten Umgebungen mit mehreren Sprechern.

Self-TPT vereinfacht das Prompt-Tuning für Vision-Sprach-Modelle und verbessert Geschwindigkeit und Effizienz.