TEAM

PhDs & Forscher

  • Stanford
  • Yonsei
  • University of Waterloo
▚ DAS TEAM ▞

Wir existieren, um jede Verständigungsbarriere zu durchbrechen.

Stell dir eine Welt vor, in der alles, was wir uns anschauen und anhören, nahtlos in jeder Sprache läuft. Die Lieder, die unsere Eltern und Familien lieben, verstehen wir endlich; und unsere englischen Lieblingssongs gibt es auf Koreanisch und Chinesisch, damit unsere Eltern sie verstehen und selbst hören. Wer Englisch spricht, bekommt das Beste aus Korea, China und dem Rest der Welt. Alle anderen bekommen englische Inhalte ohne Untertitel.

Die übersetzten Songs will ich in meine Playlist packen.
Jaeseok Jeong | Principal Researcher
Andrew LiuAndrew LiuCEOVon Mensch zu Mensch, nicht von KI zu KI →
Andrew Liu
Andrew LiuCEOZUGRIFFSFREIGABE
Jibin Song
Jibin SongChief ScientistZWEITE SCHLÜSSELVERWAHRUNG | ÄNDERUNGSFREIGABE
Mingi Kwon
Mingi KwonCTOSICHERHEITSLEITUNG | SCHLÜSSELVERWAHRUNG | LÖSCHFREIGABE
Google Scholar ↗
Jaeseok Jeong
Jaeseok JeongPrincipal ResearcherINHALTSBEARBEITUNG
Google Scholar ↗
Michael Chan
Michael ChanCBOVORFALLSLEITUNG
Taehwan Lee
Taehwan LeeMember of Technical Staff
Tonghyun Lee
Tonghyun LeeMember of Technical Staff
Prof. Xu Zheng
Prof. Xu ZhengBerater
Prof. Youngjung Uh
Prof. Youngjung UhBerater
Google Scholar ↗

▚ HALLOWEEN 2026 ▞

Halloween-Nacht in Toronto: Das Team hatte sich als Schmetterlinge verkleidet.

Church Street
01 · Church Street
Der Heimweg
02 · Der Heimweg
Fünf Schatten
03 · Fünf Schatten

▚ FORSCHUNG ▞

Gemeinsame Generierung von Audio und Video

Stimme und Gesicht kommen aus einem einzigen Modell, die Identität kann also nie auseinanderdriften: das Forschungsfeld, das wir mit JAM-Flow begründet haben.

Echtzeit-Animation von Menschen

Die derzeit realistischste Echtzeit-Animation von Menschen: SoulX-LiveAct animiert eine Person mit 20 Bildern pro Sekunde, eine Stunde lang stabil.

Schnelle Videogenerierung

Destillation, Guidance und Sampling: die Forschung, die Diffusionsmodelle schnell genug für Echtzeit macht.

Editieren in Diffusionsmodellen

Editieren in eingefrorenen Diffusionsmodellen: von der Entdeckung des h-space über die Steuerung des Stils bis zum Entfernen von eingeblendetem Text.

Multimodale Wahrnehmung

Die Szene lesen, bevor sie editiert wird: wer gerade spricht, aus Bild und Ton gemeinsam, in jeder Umgebung.

Seit 2021 über 10.000 Zitationen und mehr als 100 Paper, unter anderem bei ICLR, NeurIPS, CVPR und ECCV.

UNTERSTÜTZT VON

  • Wheelhouse
  • Maximum Effort
  • Stanford
  • Yonsei
  • University of Waterloo