Shitao Xiao

UltraGistは、長い文章を圧縮しながらも重要な情報をそのままに保つよ。

VISTAは、テキストとビジュアルを統合することで情報の見つけ方を改善するんだ。

MLVUベンチマークは、長いビデオの機械理解を向上させることを目指している。

OmniGenは、すべてのユーザーのために画像作成タスクを1つのモデルに簡素化します。

新しいモデルは、文脈内学習戦略を通じてテキスト埋め込みを強化する。

MegaPairsは、画像とテキストをつなげて、より良い検索結果を提供するよ。