Hongxu Yin

O SpatialRGPT melhora a compreensão do arranjo de objetos em Modelos de Linguagem Visual.

Novos modelos adaptáveis podem atender a diversas necessidades sem precisar de retraining.

Um novo método melhora a qualidade dos dados para modelos de linguagem visual usando técnicas de aumento.

VILA-U integra tarefas de vídeo, imagem e linguagem em uma única estrutura.

Um novo método melhora o desempenho dos LLMs enquanto reduz a complexidade.

NaVILA ajuda robôs a navegar usando linguagem e visão.