Wei-Chiu Ma

Ein neuer Benchmark zeigt Lücken im visuellen Verständnis von grossen Sprachmodellen.

Das Einbeziehen von nicht-englischen Daten verbessert die Leistung von Vision-Language-Modellen und das kulturelle Verständnis.

Eine neue Methode verbessert, wie KI-Modelle räumliche und zeitliche Zusammenhänge interpretieren.

Forscher verwandeln gewöhnliche Videos mit KI-Technologie in immersive 3D-Szenen.