Volker Tresp

Dieser Artikel spricht über einen neuen Massstab, um Bilder und Text zu kombinieren, um Ereignisse in Videos zu finden.

LookupViT verbessert visuelle Erkennungsaufgaben durch effiziente Token-Verarbeitung.

WebPilot verbessert Web-Agenten mit menschenähnlicher Anpassungsfähigkeit für komplexe Online-Aufgaben.

Erforsche, wie das Gehirn Informationen, Erinnerungen und Emotionen verarbeitet.

In diesem Artikel werden Sicherheitsprobleme bei Text-zu-Bild-Modellen besprochen und Lösungen vorgeschlagen.

Methoden erkunden, um multimodale Modelle zu verbessern, die visuelle Fragen aufschlüsseln.