Xizhou Zhu

Une nouvelle approche améliore l'apprentissage à partir de données image-texte entrelacées.

Un ensemble de données complet fusionnant images et textes pour aider l'apprentissage automatique.

Une nouvelle approche pour trouver des moments vidéo en utilisant des requêtes en langage naturel.

Une nouvelle méthode améliore les compétences de raisonnement des modèles de langage en utilisant l'optimisation des préférences.

Découvrez comment V2PE améliore les modèles Vision-Langage pour une meilleure compréhension des longs contextes.