Saining Xie

MetaCLIPを使って、画像とテキストのデータ収集をもっと良くしよう！

この研究は、視覚的な質問に答えるモデルの問題を検討してる。

スケーラブルインターポラントトランスフォーマーを使った画像生成の革新を探る。

ノイズ除去拡散モデルの深堀りと、それを簡素化して表現学習を向上させる方法。

地理空間データを使って、AIエージェントがリアルな環境とやり取りするためのプラットフォーム。

新しい方法がAIのトレーニングを強化して、データをクラスタにグループ化して精度を向上させるんだ。

グレンデルは、複数のGPUを使って3D画像のレンダリングを改善し、質とスピードをアップさせる。

新しい方法が動画のエンコードとデコードを速くしてるよ。

AIシステムが人間と比べて空間的推論にどんなふうに苦労するかを探ってる。

VPITが機械にテキストとビジュアルをシームレスに結びつける方法を発見しよう。