Gangshan Wu

Une nouvelle méthode améliore la capacité des modèles Vision-Language à s'adapter à de nouvelles tâches.

JointFormer améliore le VOS en intégrant l'extraction de caractéristiques, la correspondance et la gestion de la mémoire.

SportsHHI se concentre sur les interactions humaines dans les vidéos de basket et de volley pour une analyse améliorée.

Un nouveau cadre améliore l'adaptabilité des modèles vision-langage grâce à un traitement de données intelligent.

Une nouvelle méthode améliore la séparation des voix dans des environnements bruyants avec plusieurs intervenants.

Self-TPT simplifie le réglage des prompts pour les modèles vision-langage, améliorant la vitesse et l'efficacité.