Yongping Xiong

VISTAは、テキストとビジュアルを統合することで情報の見つけ方を改善するんだ。

MLVUベンチマークは、長いビデオの機械理解を向上させることを目指している。

MegaPairsは、画像とテキストをつなげて、より良い検索結果を提供するよ。