Sayan Nag

O EgoVLPv2 integra vídeo e texto pra melhorar o desempenho do aprendizado de máquina.

Novo modelo gera música usando tanto informações de texto quanto visuais.

Um novo modelo combina dados de áudio e visuais pra uma melhor compreensão.

Um novo método reduz a necessidade de dados rotulados em tarefas de visão computacional.