Jindong Gu

Un nuovo modello migliora l'accuratezza del recupero per i video con eventi multipli.

Questo documento analizza il rischio di attacchi backdoor nel few-shot learning.

I modelli di base come CLIP offrono sia opportunità che pericoli nascosti nell'IA.

Un nuovo framework migliora la sicurezza nella creazione di immagini da testi.

Questo articolo parla di un nuovo benchmark per unire immagini e testo per trovare eventi nei video.

Un nuovo benchmark valuta l'efficacia dei modelli linguistici nelle applicazioni robotiche.

Un nuovo metodo migliora la distillazione dei dataset, aumentando l'efficienza dell'addestramento del modello.

Questo articolo parla dei problemi di sicurezza nei modelli da testo a immagine e propone delle soluzioni.

Esplorare metodi per migliorare i modelli multimodali nel rispondere a domande visive.

Presentiamo un modello che trova momenti specifici in video lunghi con facilità.