Tushar Nagarajan

機械がテキスト、画像、音声を処理する方法の概要。

Video ReCapを紹介するよ。これは長い動画のための詳細なキャプションを作成するシステムなんだ。

研究は、マルチモーダルモデルがマルチステップのアクティビティを支援する効果を探求している。

自己中心的ビデオ学習を外的データを変換して強化する。

この方法は、機械が説明動画に基づいてアクションをうまく計画するのに役立つ。