Act-ChatGPT: Introducing Action Features into Multi-modal Large Language Models for Video Understanding
動画理解のためのマルチモーダル大規模言語モデルに、アクション特徴量を組み込む手法を提案。
論文を見る →01Skills
02Publications
Ensembling Multiple Hallucination Detectors Trained on VLLM Internal Representations
VLLMの内部表現を用いたハルシネーション検知モデルのアンサンブル手法。
arXivを見る →