Jindong Gu

Um novo modelo melhora a precisão de busca para vídeos com múltiplos eventos.

Esse artigo analisa o risco de ataques de backdoor em aprendizado com poucos exemplos.

Modelos de fundação como o CLIP trazem tanto oportunidades quanto perigos ocultos na IA.

Um novo framework melhora a segurança na criação de imagens a partir de prompts de texto.

Esse artigo fala sobre um novo ponto de referência pra combinar imagens e texto pra encontrar eventos em vídeos.

Um novo benchmark avalia a eficácia de modelos de linguagem em aplicações robóticas.

Um novo método melhora a destilação de datasets, aumentando a eficiência do treinamento de modelos.

Esse artigo fala sobre problemas de segurança em modelos de texto para imagem e sugere soluções.

Explorando maneiras de melhorar modelos multimodais na hora de entender perguntas visuais.

Apresentando um modelo que encontra momentos específicos em vídeos longos sem esforço.