Volker Tresp

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

O LookupViT melhora as tarefas de reconhecimento visual através de um processamento de tokens eficiente.

WebPilot melhora os agentes da web com uma adaptação parecida com a humana para tarefas online complexas.

Explore como o cérebro processa informações, memórias e emoções.

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.