ビジョンランゲージモデル

書いてみる

関連タグ

#ChainOfThoughtフレームワーク (1)
#TextCoT (1)
#アクティブラーニング (1,887)
#テキスト (4,046)
#テキストリッチ (2)
#テキストリッチ画像理解 (1)

TextCoT: Zoom In for Enhanced Multimodal Text-Rich Image Understanding

Ikemen Mas Kot
2か月前

Video Annotator: A framework for efficiently building video classifiers using vision-language models and active learning

Ikemen Mas Kot
4か月前