ViTAL-X に関する報道

ビデオテキストモデルの時間的盲点が系統的に検証され、単にパラメータを拡張するだけでは時間的推論の欠陥を解決できないことが示されています。 XTE は、クロスモーダル同期変換を通じて時間的監視を導入し、競争の焦点をモデル能力から監視信号設計に移し、ビデオ言語モデルに検証可能な改善パスを提供します。