Shanghang Zhang

新しい方法が、モデルが画像内の深さや空間的関係を認識するのを改善する。

SPHINX-Vは、ユーザーとのやり取りを通じてAIが画像を解釈する能力を向上させるんだ。

新しいフレームワークがAIの3D空間の理解を向上させる。

マルチビューディフュージョンを使って、単一の画像から詳細な3D画像を作る新しい方法。

CoCoGestureは、話される言葉に合わせたリアルなジェスチャーを作って、インタラクションを高めるんだ。

新しいモデルが視覚と思語理解のつながりを強化する。

MMTrailは、より良いビデオ言語モデルのために視覚と音声の説明を組み合わせてるんだ。

FactorLLMは知識の保存方法を整理することで、言語モデルの効率を向上させる。

地域プロンプトを使って画像作成のディテールを強化する新しい方法。

新しいアプローチが、さまざまな画像データからのモデル学習を向上させる。

忙しい街の環境で画像の鮮明度を上げる新しい技術が登場した。

ASGDiffusionが高解像度画像生成をどう変えるかを発見しよう。