Jinfa Huang

PQDiffは画像のアウトペインティングの効率と品質を一歩で向上させる。

MoE-LLaVAは、効率的なモデル構造を使って画像とテキストを組み合わせてるよ。

MagicTimeは、書かれた説明をリアルさが増したダイナミックなタイムラプス動画に変えるんだ。

新しいベンチマークが生成されたタイムラプス動画の評価方法を改善するよ。

Evolverは、大規模なマルチモーダルモデルを使って憎悪的なミームの検出を改善するよ。

MUSEはマルチスケール特徴学習を通じて動画検索の精度を向上させる。

Video-RAGは、コンピュータが長い動画コンテンツを追加情報と一緒に分析するのを簡単にするよ。

アイデンティティを守りつつ、ビジュアルの質を向上させる新しい動画作成法。