Xiaohua Zhai

新しいアプローチで、位置を意識した技術を使って画像キャプションが改善されるよ。

新しい拡散ベースのアプローチが、いくつかのコンピュータービジョンタスクを効果的に解決する。

PaliGemmaは画像とテキストの理解を組み合わせて、いろんな用途に使えるようにしてるよ。

VLMは視覚と言語を組み合わせて、世界をもっと理解する賢いマシンを作り出してるんだ。