Randall Balestriero

Une nouvelle méthode améliore la génération d'échantillons positifs dans l'apprentissage auto-supervisé.

Examiner le grokking dans l'apprentissage profond et ses implications pour la performance.

Cette étude examine les défis de l'apprentissage de reconstruction en apprentissage automatique pour les tâches de perception.

Des approches simplifiées pour l'apprentissage auto-supervisé améliorent la performance et l'accessibilité.

Un nouveau cadre pour évaluer efficacement les modèles vision-langage.

Un aperçu des modèles de deep learning et de leurs propriétés géométriques.

Lier des entités géographiques sur des cartes historiques en utilisant des techniques avancées.