Hongxu Yin

SpatialRGPT améliore la compréhension de l'agencement des objets dans les Modèles de Langage Visuel.

De nouveaux modèles adaptables peuvent répondre à des besoins variés sans avoir besoin de se requalifier.

Une nouvelle méthode améliore la qualité des données pour les modèles de langage visuel en utilisant des techniques d'augmentation.

VILA-U intègre des tâches vidéo, image et langue dans un seul cadre.

Une nouvelle méthode améliore la performance des LLM tout en réduisant la complexité.

NaVILA aide les robots à naviguer en utilisant le langage et la vision.