Mohit Bansal

現実の空間で機械が人間の指示に従う方法を探ってる。

テキストと画像を組み合わせたテーブルに対するAIの理解についての研究。

研究は、動きに焦点を当てた質問とビジュアルな回答を通じて動画理解を高める。

研究は、機械に口頭や書面でのナビゲーション指示に従う方法を教えることに焦点を当ててる。

新しい方法が動画分析のタイミング精度をどう向上させるか学んでみて。