REAL: Resuelve conflictos en VQA con pivote de razonamiento
Descubre cómo REAL resuelve conflictos de conocimiento en preguntas visuales con pivotes de razonamiento, mejorando la precisión en VQA intensiva.
#vqa
StreamingVLM: Comprensión en tiempo real para transmisiones de video infinitas
StreamingVLM revoluciona la comprensión de video en tiempo real: procesa flujos infinitos con solo 8 FPS en un H100, superando a GPT-4O mini. ¡Descubre su arquitectura!
Aprendizaje Equivariante con Desenredo para VQA Compositivo
El nuevo marco DEAL mejora la respuesta visual a preguntas compositivas usando desenredo causal y equivarianza. Resultados superiores en CLEVR y GQA.