Muhammad Ferjad Naeem

ProText verbessert visuelle Sprachmodelle, indem es nur Textdaten nutzt, um Aufgaben besser zu bewältigen.

2025-09-18T23:22:18+00:00 ― 6 min Lesedauer

FocusCLIP verbessert die Erkennung von menschlichen Aktionen mithilfe von Heatmaps und Textbeschreibungen.

2025-08-30T15:06:54+00:00 ― 7 min Lesedauer

Die Fähigkeiten und Herausforderungen von fortgeschrittenen Modellen zur Videoverstehens beurteilen.

2025-08-13T12:42:36+00:00 ― 6 min Lesedauer

Ein neuer auf Diffusion basierender Ansatz bewältigt mehrere Aufgaben der Computer Vision effektiv.

2025-07-22T13:31:00+00:00 ― 5 min Lesedauer