Xihui Liu

CompAgentは、複雑なプロンプトを分解することで、テキストからの画像生成を改善するよ。

新しい方法で、テキストプロンプトから3Dシーンのアニメーションを強化するんだ。

ReGround3Dは3D環境での人間の指示の理解を向上させる。

GenArtistは、インテリジェントなAIエージェントを使って画像生成と編集を強化するよ。

新しいベンチマークが、空間的・時間的予測の標準評価の必要性に応えてるよ。

OVExpは、さまざまな環境での効果的な物体ナビゲーションのために言語と視覚を組み合わせてるよ。

LLaVA-3Dは、2Dと3Dの洞察を組み合わせて、より深い空間的推論を可能にするよ。

SAMPart3Dは、革新的なセグメンテーション技術を使って3Dモデルの分析と編集を簡単にしてくれるよ。

新しい方法で平面画像を鮮やかな3Dシーンに変換！

Motoはビデオ分析を使って、ロボットに複雑な動きを効率よく教えてるよ。

V2PEがどのようにビジョン-言語モデルを改善して、長いコンテキストの理解を向上させるかを発見しよう。

パラレル生成が画像と動画の制作をどう変えるかを発見しよう。