Attentionはこれまでの研究から多く有用性は報告されていたのですが、ネットワークの内側で使われることが多く、わかりやすく差を体感できる例を自分は知りませんでした。今回はCLIPのAdapterという点から、Atte […]...

170{icon} {views} タイトル：MultiDiffusion: Fusing Diffusion Paths for Controlled Image Generation 著者：Omer Bar-Tal, […]...

2k{icon} {views} タイトル：Zero-shot Image-to-Image Translation 著者：Gaurav Parmar, Krishna Kumar Singh, Richard Zhan […]...

163{icon} {views} タイトル：Generalized Decoding for Pixel, Image, and Language 著者：Xueyan Zou, Zi-Yi Dou, Jianwei Y […]...

634{icon} {views} CoCaとBLIP2の訓練済みモデルで遊んでみました。「ImageNet 1Kのゼロショット精度」と「キャプション生成」の2点について検証してみました。 きっかけ ほぼ同時期にBLIP […]...

409{icon} {views} ディープラーニングでの動画解析向けの読み込みライブラリ、Decordを紹介します。OpenCVよりもフレーム間のスキップやバッチ化が簡単にできるようになっています。PyTorchと連携 […]...

149{icon} {views} PythonでRGB値から色相、彩度、明度への変換は画像処理ライブラリを使わないで行うことができます。ビルトインのcolorsysというモジュールを使います。 きっかけ コード書くの面 […]...

866{icon} {views} タイトル：BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large […]...

413{icon} {views} タイトル：InstructPix2Pix: Learning to Follow Image Editing Instructions 著者：Tim Brooks, Aleksande […]...

1k{icon} {views} 自然言語処理モデルT5を使って文章単位の埋め込み量（Sentence Embedding）を取得することを考えます。T5のEmbeddingはトークン単位ですが、平均を取ることで、簡単に […]...