Jingqun Tang

新しいデータセットSquare-10Mがオープンソースの視覚的質問応答機能を大幅に向上させたよ。

テキストとレイアウトをうまく組み合わせて、文書理解を向上させる新しいモデルを紹介するよ。

ParGoは、グローバルな視点と部分的な視点をバランスさせることで、画像とテキストの理解を向上させるよ。