Tae-Hyun Oh

ObjectDR genera datos emparejados para mejorar la reconstrucción de formas 3D a partir de imágenes 2D.

El nuevo modelo mejora el análisis de video en tiempo real con una amplificación de movimiento efectiva.

Un estudio sobre cómo mejorar la localización de fuentes de sonido aprovechando mejor la información auditiva y visual.

Un nuevo referente aclara el tema de las alucinaciones en los modelos de lenguaje visual.

Este artículo investiga cómo los VLMs perciben el color, la forma y el significado en las imágenes.