画像理解

書いてみる

関連タグ

#モデル (12,664)
#タスク (6,255)
#画像 (15,729)
#画像認識 (677)
#3D表現学習 (1)
#AI (295,554)

Making Large Multimodal Models Understand Arbitrary Visual Prompts

Ikemen Mas Kot
2か月前

Dragonfly: Multi-Resolution Zoom Supercharges Large Visual-Language Model

Ikemen Mas Kot
1か月前

「GPT-4 Turbo」、「Vision（画像理解）」「DALL·E 3（画像生成）」を全てLINEで試せるようにしてみた。

三野輪 慎太郎 / Shintaro Minowa
8か月前

Ferret-v2: An Improved Baseline for Referring and Grounding with Large Language Models

Ikemen Mas Kot
3か月前

2022年1月に新設・改訂されるIPC（国際特許分類）

イーパテント－知財情報コンサルティング®
2年前

BLINK: Multimodal Large Language Models Can See but Not Perceive

Ikemen Mas Kot
3か月前

Hidden Flaws Behind Expert-Level Accuracy of GPT-4 Vision in Medicine

Ikemen Mas Kot
6か月前

無料生成AIの進化が止まらない

めぐた｜AIをしゃぶり尽くす
7か月前

SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs

Ikemen Mas Kot
1年前