Wei-Chiu Ma

新しいベンチマークが、大きな言語モデルの視覚理解にギャップがあることを明らかにした。

非英語のデータを含めることで、視覚言語モデルのパフォーマンスと文化理解が向上する。

新しい方法がAIモデルが空間的および時間的関係を解釈するのを改善する。

研究者たちはAI技術を使って、普通の動画を没入感のある3Dシーンに変えてるよ。