Tongliang Liu

ALIP améliore les connexions image-texte en utilisant des légendes synthétiques pour un meilleur apprentissage.

ShadowNet combine des ombres classiques et des réseaux de neurones pour améliorer l'apprentissage des systèmes quantiques.

Model2Scene utilise des modèles CAO et du langage pour améliorer l'apprentissage des scènes 3D.

Une nouvelle méthode en apprentissage automatique améliore l'adaptabilité des modèles à différents types de données.

Une nouvelle approche de la segmentation d'images améliore la reconnaissance d'objets dans différents secteurs.

Intégrer des modèles de langage dans la découverte causale simplifie l'analyse et révèle des relations cachées.

EchoAlign modifie les caractéristiques des données pour s'aligner avec des étiquettes bruyantes, ce qui améliore la performance de l'apprentissage automatique.

Une nouvelle méthode améliore la perception des images dans les modèles de langage en utilisant des modèles de diffusion.

Voici PART, une méthode pour améliorer la précision et la robustesse des modèles d'apprentissage machine.

Une nouvelle méthode améliore la précision de la découverte causale en utilisant une sélection de noyaux automatisée.

Un cadre pour sécuriser la vie privée des images tout en maintenant la précision du modèle.

Une nouvelle méthode améliore la détection de données inattendues dans les modèles d'apprentissage automatique.

LaVin-DiT améliore la façon dont les machines perçoivent et interprètent les données visuelles.

FedGR améliore l'apprentissage fédéré en perfectionnant les étiquettes bruyantes pour une meilleure collaboration.

Urban4D redéfinit la reconstruction de scènes urbaines pour des villes plus intelligentes.

Une nouvelle méthode pour identifier les images créées par l'IA en utilisant l'incertitude prédictive.