Tae-Hyun Oh

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.