Zechen Bai

MLLMにおける幻覚の簡潔な見方と信頼性を向上させるための戦略。

新しい方法は、質問や評価タスクを追加することでマルチモーダルモデルを改善する。

この方法は、画像の複雑さに基づいてオブジェクト表現スロットを調整する。

VideoLISAは、動画の中で物体を効果的にセグメント化して追跡するために言語を使ってるんだ。

因子化量子化は、効率的なトークン管理を通じて画像生成を改善する。