Shanghang Zhang

O SPHINX-V melhora a capacidade da IA de interpretar imagens através da interação do usuário.

Uma nova estrutura melhora a compreensão da IA em espaços 3D.

Um método novo pra criar imagens 3D detalhadas a partir de imagens únicas usando difusão multivista.

CoCoGesture cria gestos realistas que combinam com as palavras faladas, melhorando a interação.

Um novo modelo melhora a conexão entre compreensão visual e de linguagem.

O MMTrail combina descrições visuais e sonoras para melhorar os modelos de linguagem em vídeo.

O FactorLLM melhora a eficiência em modelos de linguagem reorganizando o armazenamento de conhecimento.

Um novo método melhora os detalhes na criação de imagens usando prompts regionais.

Uma nova abordagem melhora o aprendizado do modelo a partir de dados de imagem variados.

Uma nova técnica melhora a clareza das imagens em ambientes urbanos movimentados.

Descubra como o ASGDiffusion muda a geração de imagens em alta resolução.