Shitao Xiao

UltraGist komprimiert lange Texte, während die wichtigen Infos erhalten bleiben.

VISTA verbessert, wie wir Informationen finden, indem es Text und Bilder kombiniert.

Das MLVU-Benchmark hat das Ziel, das maschinelle Verständnis von langen Videos zu verbessern.

OmniGen vereinfacht die Bildgenerierung für alle Nutzer in einem einzigen Modell.

Ein neues Modell verbessert Text-Embeddings durch In-Context-Lernstrategien.

MegaPairs verbindet Bilder und Text für bessere Suchergebnisse.