Tae-Hyun Oh

Die Geräuschkartenanleitung verbessert die Qualität der Bildbearbeitung, indem sie den räumlichen Kontext beibehält.

Die Art und Weise, wie wir Schallquellen mit audio-visuellen Daten identifizieren, zu verbessern.

ObjectDR erzeugt gepaarte Daten, um die 3D-Formrekonstruktion aus 2D-Bildern zu verbessern.

Neues Modell verbessert die Echtzeit-Videoanalyse mit effektiver Bewegungsverstärkung.

Eine Studie zur Verbesserung der Klangquellenlokalisierung durch bessere Nutzung von Audio- und visuellen Informationen.

Ein neuer Benchmark beleuchtet die Halluzinationen in visuellen Sprachmodellen.

Dieser Artikel untersucht, wie VLMs Farbe, Form und Bedeutung in Bildern wahrnehmen.