Paper - $R^2$-Tuning: Effizientes Bild-zu-Video-Transfer-Lernen für die zeitliche Lokalisierung in Videos | Paper | HyperAI

HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers
$R^2$ -Tuning: Effizientes Bild-zu-Video-Transfer-Lernen für die zeitliche Lokalisierung in Videos

vor 8 Monaten

Multimodale Darstellung

Zusammenfassung Paper Benchmarks Ressourcen

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers
$R^2$ -Tuning: Effizientes Bild-zu-Video-Transfer-Lernen für die zeitliche Lokalisierung in Videos

vor 8 Monaten

Multimodale Darstellung

Zusammenfassung Paper Benchmarks Ressourcen

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)