Tae-Hyun Oh

新しい方法が言語モデルを使って視覚データの表現を強化するんだ。

新しい方法が合成データサンプルを生成することでモデルの公平性を向上させる。

この作業は、光フロー推定のための役立つ合成データセットを生成する方法を示しているよ。

ノイズマップガイダンスは、空間のコンテキストを保持することで画像編集の質を向上させるんだ。

音声と映像データを使って音源の特定をもっと良くする方法。

ObjectDRは、2D画像からの3D形状再構築を改善するためにペアデータを生成する。

新しいモデルは、効果的な動きの拡大でリアルタイムの動画分析を強化するよ。

音声と視覚情報をうまく使って音源定位を改善する研究。

新しいベンチマークが視覚と言語モデルのハルシネーションに光を当ててる。

この記事では、VLMが画像の色、形、意味をどのように認識するかを調査しているよ。