Cihang Xie

新しいベンチマークが、ビデオと言語のモデルが不正確さにどう対処するかを評価するよ。

画像のパーツやオブジェクトのセグメンテーションを改善するモデル。

メモリートークンを使ったフレームワークが、動画の理解とインタラクションを改善する。