Tae-Hyun Oh

ObjectDR gera dados pareados pra melhorar a reconstrução de formas 3D a partir de imagens 2D.

Novo modelo melhora a análise de vídeo em tempo real com uma amplificação de movimento eficaz.

Um estudo sobre como melhorar a localização de fontes sonoras aproveitando melhor as informações audiovisuais.

Um novo marco traz à tona a alucinação em modelos de linguagem visual.

Esse artigo investiga como os VLMs percebem cor, forma e significado em imagens.