Xin Eric Wang

新しいベンチマークが、複数のトピックにわたるビデオ理解におけるMLLMを評価することを目指している。

新しいAIシステムが、視覚障害のあるユーザー向けに画面読み上げを改善して、アクセシビリティを向上させるよ。

言語理解と視覚を組み合わせることで、ロボットのナビゲーション能力が向上する。

テキストの説明がどうやって魅力的な動画に変わるのか、高度な技術で探ってみよう。