Shanghang Zhang

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。