Jan Kautz

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。

MambaVisionはMambaとTransformersを組み合わせて、画像認識をより良くするんだ。

この研究は、より小さな言語モデルを効果的かつ手頃な価格で作る方法を探ってるよ。

この記事は、さまざまなタスクとデータセットにわたるモデルのパフォーマンスを分析してるよ。

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。

効果を損なうことなくプルーニングとディスティレーションを使って言語モデルを縮小する方法。

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。

Gated DeltaNetとその言語モデルへの影響についての見方。

機械が画像を見て理解する方法を革新する新しい技術を見つけよう。

StreamChatは、リアルタイムでストリーミングビデオにどう関わるかを変えてくれる。