Shanghang Zhang

SPHINX-V mejora la capacidad de la IA para interpretar imágenes a través de la interacción del usuario.

Un nuevo marco mejora la comprensión de la IA sobre los espacios 3D.

Un nuevo método para crear imágenes 3D detalladas a partir de imágenes simples usando difusión multivista.

CoCoGesture crea gestos realistas que coinciden con las palabras habladas, mejorando la interacción.

Un nuevo modelo mejora la conexión entre la comprensión visual y del lenguaje.

MMTrail combina descripciones visuales y de audio para mejorar los modelos de video-lenguaje.

FactorLLM mejora la eficiencia en modelos de lenguaje al reorganizar el almacenamiento de conocimiento.

Un nuevo método mejora el detalle en la creación de imágenes usando indicaciones regionales.

Un nuevo enfoque mejora el aprendizaje del modelo a partir de datos de imagen variados.

Una nueva técnica mejora la claridad de las imágenes en entornos urbanos concurridos.

Descubre cómo ASGDiffusion transforma la generación de imágenes en alta resolución.