Boqing Gong

新しい方法で、言語と画像の関係を使って物体の位置特定が改善されるよ。

新しい方法で、機械がテキストのプロンプトから画像を作る能力が向上してるよ。

新しい方法が画像と言語モデルを使って動画のキャプションを改善する。

VideoPrismは、動画コンテンツを効果的に解釈して分析するのに役立つよ。

研究は、トリガーパッチが拡散モデルにおける画像生成にどのように影響を与えるかを明らかにしている。

テキストから画像モデルのプロンプトを改善して、より良い結果を出す新しいアプローチ。

SOARはドローン映像分析におけるアクション認識精度を向上させる。

長い動画マスクオートエンコーダーを使って、動画理解をもっと良くしよう！

HypDAEは、最小限の例から画像を作成する方法を変える。

DAVEデータセットは、より良いAIトレーニングのために複雑な道路シナリオを捉えている。