Chaoya Jiang

Um novo método melhora a eficiência e o desempenho em tarefas de visão-linguagem.

Uma nova abordagem melhora a eficiência em tarefas de pré-treinamento de Visão-Linguagem.

O TRIPS melhora a eficiência em tarefas de visão-linguagem selecionando partes de imagem relevantes.

Esse artigo fala sobre uma nova estrutura pra avaliar alucinações em LVLMs.

IDAICL melhora as previsões ao aprimorar a qualidade das demonstrações no aprendizado em contexto.

O MIBench testa o desempenho de modelos multimodais em várias imagens.

MaVEn melhora a capacidade da IA de processar várias imagens pra dar um raciocínio melhor.