Jan Kautz

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.

MambaVision combine Mamba et Transformers pour une meilleure reconnaissance d'image.

Cette étude explore des méthodes pour créer des modèles de langage plus petits de manière efficace et abordable.

Cet article analyse la performance des modèles sur différentes tâches et ensembles de données.

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

Une méthode pour réduire les modèles de langage sans perdre en efficacité grâce à l'élagage et à la distillation.

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.

Un aperçu de Gated DeltaNet et son impact sur les modèles de langue.

Découvrez des techniques émergentes qui révolutionnent la façon dont les machines voient et comprennent les images.

StreamChat change la façon dont on interagit avec les vidéos en streaming en temps réel.