#визуальное восприятие

PEVA — новая модель ИИ, прогнозирующая эгоцентрические видео на основе детальных движений всего тела, улучшая визуальное предвидение в воплощённых системах.

ByteDance представила VGR — мультимодальную модель, которая динамически интегрирует визуальную информацию в процесс рассуждения, значительно улучшая точность и эффективность на бенчмарках зрения и языка.