Shanghang Zhang

SPHINX-V verbessert die Fähigkeit von KI, Bilder durch Benutzerinteraktion zu interpretieren.

Ein neues Framework verbessert das Verständnis von KI für 3D-Räume.

Eine neue Methode zur Erstellung detaillierter 3D-Bilder aus Einzelbildern mithilfe von Multiview-Diffusion.

CoCoGesture erstellt lebensechte Gesten, die zu gesprochenen Wörtern passen und die Interaktion verbessern.

Ein neues Modell verbessert die Verbindung zwischen visuellem und Sprachverständnis.

MMTrail kombiniert visuelle und auditive Beschreibungen für bessere Video-Sprachmodelle.

FactorLLM verbessert die Effizienz von Sprachmodellen, indem es die Wissensablage umorganisiert.

Eine neue Methode verbessert die Details bei der Bilderstellung mit regionalen Eingaben.

Ein neuer Ansatz verbessert das Lernen von Modellen aus unterschiedlichen Bilddaten.

Eine neue Technik verbessert die Bildklarheit in belebten Strassenumgebungen.

Entdecke, wie ASGDiffusion die Generierung von hochauflösenden Bildern verändert.