Hongxu Yin

SpatialRGPT migliora la comprensione della disposizione degli oggetti nei modelli di linguaggio visivo.

Nuovi modelli adattabili possono soddisfare esigenze diverse senza riqualificazione.

Un nuovo metodo migliora la qualità dei dati per i modelli di linguaggio visivo usando tecniche di aumento.

VILA-U integra video, immagini e compiti di lingua in un'unica struttura.

Un nuovo metodo migliora le prestazioni degli LLM riducendo la complessità.

NaVILA aiuta i robot a navigare usando il linguaggio e la visione.