Jindong Gu

Un nouveau modèle améliore la précision de récupération pour les vidéos avec plusieurs événements.

Ce document étudie le risque d'attaques par porte dérobée dans l'apprentissage par quelques exemples.

Les modèles de fond comme CLIP offrent à la fois des opportunités et des dangers cachés dans l'IA.

Un nouveau cadre améliore la sécurité dans la création d'images à partir de descriptions textuelles.

Cet article parle d'un nouveau standard pour combiner des images et du texte afin de trouver des événements dans des vidéos.

Un nouveau référentiel évalue l'efficacité des modèles de langage dans les applications robotiques.

Une nouvelle méthode améliore la distillation de jeux de données, rendant l'entraînement des modèles plus efficace.

Cet article parle des problèmes de sécurité dans les modèles texte-à-image et propose des solutions.

Explorer des méthodes pour améliorer les modèles multimodaux dans l'analyse des questions visuelles.

Présentation d'un modèle qui déniche des moments précis dans de longues vidéos sans effort.