Yi Bin

Um olhar sobre a interseção entre sistemas de vídeo e de compreensão de linguagem.

Uma nova estrutura melhora a combinação de vídeo e texto para um aprendizado de máquina melhor.

Combinar imagens e texto melhora as previsões de eventos futuros.

Aprenda como técnicas que percebem movimento melhoram a geração de gráficos de cena em vídeos.

Saiba como o grounding temporal em vídeos melhora a precisão e a eficiência na busca por vídeos.