Jingdong Wang

テキストからビデオモデルを評価する新しい方法は、ダイナミクスに着目してる。

物体ごとの深さに焦点を当てた新しいアプローチが3D検出の精度を向上させる。

SEEDは、デュアルクエリ選択と変形可能なグリッドアテンションを使って3Dオブジェクト検出を強化する。

動画からリアルなデジタルアバターを作る新しい方法。

新しい方法で、リニアグループRNNを使って3Dオブジェクト検出の精度と効率が向上した。

Add-SDは、テキストプロンプトを使ってリアルなオブジェクトを追加できるから、画像編集を簡単にしてくれるんだ。

ReSyncerは、音声に同期した口の動きのために、動画の品質と柔軟性を向上させるよ。

FullAnnoは、マルチモーダルモデルのトレーニングをより良くするために画像アノテーションを強化する。

この記事では、テキストと画像生成を一つのシステムに組み合わせた新しいモデルを紹介してるよ。

FlipClassは、一般化カテゴリ発見におけるより良い学習のための新しい方法を提供してるよ。

ALoREは、効率的な画像認識とより広い応用のためにモデルのトレーニングを最適化するよ。