Gangshan Wu

Un nuevo método mejora la capacidad de los Modelos de Visión-Lenguaje para adaptarse a nuevas tareas.

JointFormer mejora VOS al integrar la extracción de características, la coincidencia y la gestión de memoria.

SportsHHI se centra en las interacciones humanas en videos de baloncesto y voleibol para mejorar el análisis.

Un nuevo marco mejora la adaptabilidad de los modelos de visión-lenguaje a través de un procesamiento de datos inteligente.

Un nuevo método mejora la separación de voces en entornos ruidosos con múltiples hablantes.

Self-TPT simplifica el ajuste de prompts para modelos de visión-lenguaje, mejorando la velocidad y eficiencia.