Hongxu Yin

SpatialRGPTは、ビジョンランゲージモデルにおける物体配置の理解を向上させるよ。

新しい適応モデルは、再トレーニングなしで様々なニーズに応えられるよ。

新しい方法が、拡張技術を使って視覚言語モデルのデータ品質を向上させる。

VILA-Uは、動画、画像、言語のタスクを1つのフレームワークに統合してるよ。

新しい方法がLLMの性能を向上させつつ、複雑さを減らすんだ。

NaVILAは、言語と視覚を使ってロボットがナビゲートするのを助ける。