Tongliang Liu

Model2Scene nutzt CAD-Modelle und Sprache, um das Lernen von 3D-Szenen zu verbessern.

Eine neue Methode im Machine Learning verbessert die Anpassungsfähigkeit von Modellen an verschiedene Datentypen.

Ein neuer Ansatz zur Bildsegmentierung verbessert die Objekterkennung in verschiedenen Bereichen.

Die Integration von Sprachmodellen in die Ursachenforschung erleichtert die Analyse und deckt versteckte Zusammenhänge auf.

EchoAlign passt die Datenmerkmale an, um sie mit rauscherfüllten Labels in Einklang zu bringen, was die Leistung des maschinellen Lernens verbessert.

Eine neue Methode verbessert die Bildwahrnehmung in Sprachmodellen mit Hilfe von Diffusionsmodellen.

Einführung von PART, einer Methode zur Steigerung der Genauigkeit und Robustheit von Machine Learning-Modellen.

Eine neue Methode verbessert die Genauigkeit der kausalen Entdeckung durch automatisierte Kernel-Auswahl.

Ein Rahmen, um den Bildschutz zu gewährleisten und gleichzeitig die Modellgenauigkeit zu erhalten.

Eine neue Methode verbessert die Erkennung unerwarteter Daten in Machine-Learning-Modellen.

LaVin-DiT verbessert, wie Maschinen visuelle Daten wahrnehmen und interpretieren.

FedGR verbessert das föderierte Lernen, indem es verrauschte Labels verfeinert für eine bessere Zusammenarbeit.

Urban4D definiert die Rekonstruktion urbaner Szenen für smartere Städte neu.

Eine frische Methode, um KI-erstellte Bilder anhand von prädiktiver Unsicherheit zu identifizieren.