Tong He

MLLMにおける幻覚の簡潔な見方と信頼性を向上させるための戦略。

この方法は、画像の複雑さに基づいてオブジェクト表現スロットを調整する。

新しい2D人間動作データセットがリアルなアニメーションの扉を開く。

新しいベンチマークが、空間的・時間的予測の標準評価の必要性に応えてるよ。

研究者たちが言語モデルを人間の好みにもっと合うようにする方法を開発してるよ。

新しいアプローチが画像とテキストのつながりを強化して、より良い解釈を実現するんだ。

RAGシステムのパフォーマンスを評価するための新しいフレームワーク。

DynaSurfGSは、映像ベースのオブジェクトモデリングを画像品質と形状精度を向上させて強化するよ。

新しい方法で、複雑なテキスト説明からの画像生成が改善されてるよ。

GigaGSは、大きな3Dシーンモデル作成の課題に革新的な技術で挑んでるよ。

VideoLISAは、動画の中で物体を効果的にセグメント化して追跡するために言語を使ってるんだ。

高速移動するビデオシーンでカメラトラッキングを改善する新しいアプローチ。

因子化量子化は、効率的なトークン管理を通じて画像生成を改善する。

CoSurfGSは、デバイス間でのチームワークを活かした新しい3D再構築のアプローチを提供してるよ。