大規模言語モデルによる時系列視覚セマンティクスを利用した人間動作理解の向上

この研究は、時系列視覚セマンティクスを組み込むことで、人間動作の解釈における大規模言語モデル（LLM）の新しい応用を探求しています。 視覚情報をLLMと統合することにより、高度なヒューマン・コンピュータ・インタラクションとシーン理解の可能性が示されています。