Eunho Yang

Teddyはエッジのスパース化を通じてGNNのパフォーマンスを向上させつつ、計算コストを削減する。

新しい方法は、単一タグのバイアスを減らすことで画像とテキストの整合性を改善する。

フレームワークは、グラフ構造のテキスト属性を使ってGNNを改善する。

AdapTableは、再トレーニングなしで変化するテーブルデータの中でモデルの予測を改善するよ。

新しい方法が誤ラベリングされたサンプルを狙ってモデルの公平性を改善する。

Med-PerSAMは、ラベル付きデータが少なくても医療画像分析をシンプルにするよ。

新しい方法がGNNの予測に対する信頼度を大幅に向上させる。

Stable-TTSがどのようにテキスト読み上げ技術を進化させて、人間っぽい体験を提供するかを見てみよう。