Resumen El objetivo de esta plática es explorar cómo los sistemas que combinan lenguaje y visión aprenden a razonar visualmente, conectando información a lo largo de secuencias de imágenes. El enfoque será en dos proyectos recientes, ImageChain y MuSeD, que muestran cómo estos avances permiten analizar contenido visual complejo y contribuir a aplicaciones orientadas al...Read More