机构名称：
¥ 1.0
1。x li，j ding，m elhoseiny。vrsbench：一种多功能视觉语言基准数据集，用于遥感图像理解。神经信息处理系统（NERUIPS）的第三十八大会，2024年。pdf 2。m艾哈迈德，X li，M Elhoseiny。3DCOMPAT200：用于组成识别的语言扎根大规模3D视觉数据集。第三十八届神经信息处理系统会议（Neruips），2024年。3。x li†，Jian ding†，Z Chen，M Elhoseiny。uni3dl：3D和语言理解的统一模型。欧洲计算机视觉会议（ECCV）2024。PDF 4。J Chen，D Zhu，X Shen，X Li，Z Liu，P Zhang，R Krishnamoorthi，V Chandra，Y Xiong，M Elhoseiny。迷你v2：大型语言模型作为视觉多任务学习的统一接口。arxiv。PDF 5。D Zhu，J Chen，X Shen，X Li，M Elhoseiny。Monigpt-4：使用先进的大语言模型来增强视力语言理解。国际学习表征会议（ICLR）2024（> 24K在GitHub开始）。PDF 6。J Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。 视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。 PDF 7。 f khan†，X li†，一座寺庙，M elhoseiny。 渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。 国际计算机视觉会议（ICCV），2023年。 PDF 8。 pdfJ Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。PDF 7。f khan†，X li†，一座寺庙，M elhoseiny。渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。国际计算机视觉会议（ICCV），2023年。PDF 8。pdfX Shen，X Li，M Elhoseiny。MASTGAN：具有时间运动风格的视频，IEEE计算机视觉和模式识别会议（CVPR），2023年。
Xiang Li (李祥)
主要关键词
相关文件推荐
