Philippe Hansen-Estruch

Une méthode pour entraîner des robots en utilisant des instructions en langage et des images.

Une nouvelle méthode combinant des techniques de génération et de compréhension d'images pour améliorer l'apprentissage automatique.

Les VOCs offrent un moyen simplifié de prédire efficacement les futurs états vidéos.

Déballer les éléments clés qui font avancer la compréhension vidéo dans les grands modèles multimodaux.