Zechen Bai

Un aperçu concis des hallucinations dans les MLLM et des stratégies pour améliorer la fiabilité.

De nouvelles méthodes améliorent les modèles multimodaux en ajoutant des tâches de questionnement et d'évaluation.

Cette méthode ajuste les slots de représentation des objets en fonction de la complexité de l'image.

VideoLISA utilise le langage pour segmenter et suivre les objets dans les vidéos de manière efficace.

La quantification factorisée améliore la génération d'images grâce à une gestion efficace des tokens.