Apresentando o SQ-LLaVA, um método que melhora a pergunta e a compreensão de imagens.
― 8 min ler
Ran Xu
MINT-1T é o maior conjunto de dados open-source pra treinar modelos multimodais.
― 6 min ler
Explorando a dinâmica do movimento de fluidos em materiais porosos e suas implicações.
― 5 min ler
xGen-MM melhora modelos multimodais pra um aprendizado melhor de imagens e textos.
― 7 min ler
O KALE combina imagens com legendas ricas pra facilitar o entendimento.
― 6 min ler