Ran Xu

Presentando SQ-LLaVA, un método que mejora la pregunta y comprensión de imágenes.

MINT-1T es el conjunto de datos de código abierto más grande para entrenar modelos multimodales.

Explorando la dinámica del movimiento de fluidos en materiales porosos y sus implicaciones.

xGen-MM mejora los modelos multimodales para un mejor aprendizaje de imágenes y texto.

KALE combina imágenes con descripciones detalladas para una mejor comprensión.