Volker Tresp

新しいデータセットがテーブルの解釈と固有表現認識タスクを向上させる。

この記事では、動画の中でイベントを見つけるために画像とテキストを組み合わせる新しいベンチマークについて話してるよ。

LookupViTは効率的なトークン処理を通じて視覚認識タスクを改善するよ。

WebPilotは、複雑なオンラインタスクに対して人間のような適応性を持ったウェブエージェントを強化する。

脳が情報、記憶、感情をどう処理するかを探ってみよう。

この記事はテキストから画像へのモデルの安全性の問題について話して、解決策を提案してるよ。

視覚的な質問を分解するためのマルチモーダルモデルを改善する方法を探ってる。