Jeonghwan Kim

Ein System, das Interaktionen zwischen Leuten und Objekten in Wohnungen verfolgt.

Untersuchung der Grenzen grosser Vision-Language-Modelle beim detaillierten Verständnis von Bildern.

ARMADA verbessert die Bild-Text-Zuordnung durch attributfokussierte Datenerstellung.

Kombination von Lernen und Kontrolle für mehr Sicherheit bei laufenden Robotern.

Neue Forschung zeigt, dass schlecht abschneidende Modelle wertvolle Einblicke in die Wichtigkeit von Merkmalen bieten können.