Yu Qiao

AVIBench prueba a los LVLMs para asegurarse de que aguanten instrucciones visuales adversariales.

Un nuevo modelo mejora la comprensión de videos a través de técnicas de entrenamiento innovadoras.

Los investigadores crean un conjunto de datos para estudiar cómo la gente aprende imitando a otros.

DIBS mejora la subtitulación de eventos en video refinando los límites usando datos no etiquetados.

Transforma texto en imágenes, videos y audio sin problemas con Lumina-T2X.

Un nuevo enfoque mejora los coches autónomos al imitar los patrones de pensamiento humano.

Este artículo detalla un enfoque innovador para mejorar los modelos de lenguaje utilizando modelos más pequeños.

Un nuevo conjunto de datos y modelo mejoran la calidad de los subtítulos de video para máquinas.

Un conjunto de herramientas para evaluar la seguridad de modelos de lenguaje avanzados.

Nuevo enfoque mejora el aprendizaje a partir de datos intercalados de imagen y texto.

Un conjunto de datos completo que combina imágenes y texto para ayudar al aprendizaje automático.

Un enfoque estructurado para evaluar modelos de texto a video con mayor eficiencia.

Un nuevo marco ayuda a los modelos de lenguaje a aprender lenguaje simbólico sin la ayuda de humanos.

Un nuevo conjunto de datos mejora la capacidad de la IA para procesar documentos científicos de manera efectiva.

Los investigadores mejoran las habilidades de traducción para más de 100 idiomas, centrándose en idiomas con pocos recursos.

Este método simplifica agregar objetos a imágenes con textos, asegurando resultados naturales.

Un nuevo modelo revoluciona la generación de imágenes a partir de descripciones de texto, mejorando varias industrias.

GigaGS aborda los desafíos en la modelación de escenas 3D grandes con técnicas innovadoras.

Un método que mejora la alineación del modelo de lenguaje con las preferencias humanas.

Un nuevo método mejora las habilidades de razonamiento en modelos de lenguaje usando optimización de preferencias.

SyncVIS mejora el seguimiento y la segmentación de objetos en videos para varias aplicaciones.

Nuevo método mejora el rendimiento de tareas visuales en modelos de lenguaje multimodal.

Vinci hace que las tareas diarias sean más fáciles con ayuda manos libres y orientación en tiempo real.