HyperAI
Command Palette
Search for a command to run...
Papers
Täglich aktualisierte hochmoderne KI-Forschungsarbeiten, um Sie über die neuesten KI-Trends auf dem Laufenden zu halten
Papers
GroundingME: Aufdeckung der visuellen Grundierungslücke in MLLMs durch eine mehrdimensionale Bewertung
Multimodal
Benchmarks
Rang Li, Lei Li, Shuhuai Ren, et al.
Sowohl Semantik als auch Rekonstruktion sind wichtig: Darstellungscodierer für die Text-zu-Bild-Generierung und -Bearbeitung optimieren
Text-zu-Bild
Diffusionsmodell
Shilong Zhang, He Zhang, Zhifei Zhang, et al.
Visuelle Fragebeantwortung
Multimodale Darstellung
Chiao-An Yang, Ryo Hachiuma, Sifei Liu, et al.
Codegenerierung
Agent
Jiangjie Chen, Wenxiang Chen, Jiacheng Du, et al.
Reasoning
Benchmarks
Junyu Zhang, Yifan Sun, Tianang Leng, et al.
Benchmarks
LLM
Wanghan Xu, Yuhao Zhou, Yifan Zhou, et al.
Überwachtes Feinabstimmen
Reasoning
Zhengzhong Liu, Liping Tang, Linghao Jin, et al.
Benchmarks
Mensch-Computer-Interaktion
Beitong Zhou, Zhexiao Huang, Yuan Guo, et al.
Multimodal
Any-to-Any
Sara Papi, Maike Züfle, Marco Gaido, et al.
Computer Vision
Videobegreifen
Loic Magne, Anas Awadalla, Guanzhi Wang, et al.
LLM
Natürliche Sprachverarbeitung
Cheng Gao, Huimin Chen, Chaojun Xiao, et al.
Text-zu-Video
Bild-zu-Video
Hanlin Wang, Hao Ouyang, Qiuyu Wang, et al.
Text-zu-Bild
Diffusionsmodell
Kaixin Ding, Yang Zhou, Xi Chen, et al.
Tiefenschätzung
3D-Maschinenvision
Xin Lin, Meixi Song, Dizhe Zhang, et al.
Bild-zu-Bild
Tiefenschätzung
Chun-Wei Tuan Mu, Jia-Bin Huang, Yu-Lun Liu
Videobearbeitung
Bild-zu-Bild
Guibao Shen, Yihua Du, Wenhang Ge, et al.
Transformer
Computer Vision
Sihan Xu, Ziqiao Ma, Wenhao Chai, et al.
Körperliche Intelligenz
Multimodal
Zane Durante, Qiuyuan Huang, Naoki Wake, et al.
Reasoning
Künstliche Intelligenz
Yuanhang Liu, Beichen Wang, Peng Li, et al.
Text-zu-Bild
Benchmarks
Amita Kamath, Kai-Wei Chang, Ranjay Krishna, et al.
Emotionserkennung
Multimodal
Ripan Kumar Kundu, Istiak Ahmed, Khaza Anuarul Hoque
Datensatz
Modellierung
Yifei Tong
Verstärkendes Lernen
LLM
Yulun Jiang, Liangze Jiang, Damien Teney, et al.
LLM
Transformer
Harsh Vardhan Bansal
Multimodal
Videobegreifen
Yuxin Ray Song, Jinzhou Li, Rao Fu, et al.
Videobegreifen
Visuelle Fragebeantwortung
Zhihong Zhang, Xiaojian Huang, Jin Xu, et al.
Any-to-Any
Bild-zu-Video
Jiangning Zhang, Junwei Zhu, Zhenye Gan, et al.
Visuelle Fragebeantwortung
Benchmarks
Tao Zhang, Yuyang Hong, Yang Xia, et al.
LLM
Reasoning
Chao Yi, Dian Chen, Gaoyang Guo, et al.
Bildsegmentierung
Text-zu-Video
Jooyeol Yun, Jaegul Choo
LLM
Open Source
Mengzhang Cai, Xin Gao, Yu Li, et al.
Multimodal
Videobearbeitung
Jiaqi Wang, Weijia Wu, Yi Zhan, et al.