Hanwang Zhang

VcEditは、複数のビュー間での一貫性を確保することで3D編集を改善します。

DTC123は、教師モデルを使って単一の画像から3Dモデル生成を改善するよ。

新しい方法で拡散モデルのトレーニングにかかる時間とコストが減るよ。

Setokimは、革新的なトークン化を通じて視覚とテキストの理解の融合を強化する。

新しい方法は文脈の例を多様化することで画像セグメンテーションを最適化する。

新しい戦略は、ビジョン-ラングエージモデルで生成的トレーニングと識別的トレーニングを組み合わせてるんだ。

新しい方法がいろんなデータタイプでモデルの性能を向上させる。