Zechen Bai

Ein kurzer Blick auf Halluzinationen in MLLMs und Strategien zur Verbesserung der Zuverlässigkeit.

Neue Methoden verbessern multimodale Modelle, indem sie Fragen und Bewertungsaufgaben hinzufügen.

Diese Methode passt die Slots für die Objektrepräsentation je nach Bildkomplexität an.

VideoLISA nutzt Sprache, um Objekte in Videos effektiv zu segmentieren und zu verfolgen.

Die faktorisierten Quantisierung verbessert die Bildgenerierung durch effizientes Token-Management.