Xiaojun Meng

HawkEyeは、長い動画を効果的に処理するためにビデオテキストモデルを強化するよ。

RACCは、より効率的な視覚的質問応答のために知識検索を最適化する。

新しいモデルが、動画とのリアルタイムインタラクションを可能にして、理解と関与を高めてるよ。

研究が、機械が複雑な対話を理解する方法を明らかにした。