Can Huang

Le nouveau dataset Square-10M améliore carrément les capacités de questionnement visuel en open-source.

Présentation d'un nouveau modèle qui combine efficacement le texte et la mise en page pour une meilleure compréhension des documents.

ParGo améliore la compréhension des images et du texte en équilibrant les vues globales et partielles.

Une nouvelle approche améliore l'analyse vidéo avec des systèmes de jetons dynamiques.