Philippe Hansen-Estruch

Un metodo per addestrare i robot usando istruzioni linguistiche e immagini.

Un nuovo metodo che combina tecniche di generazione e comprensione delle immagini per un migliore apprendimento automatico.

I VOC offrono un modo semplice per prevedere in modo efficiente i futuri stati dei video.

Esaminando gli elementi chiave che guidano la comprensione dei video nei grandi modelli multimodali.