448{icon} {views} タイトル：Florence-2: Advancing a Unified Representation for a Variety of Vision Tasks 著者：Bin Xia […]...

1.2k{icon} {views} Arxivの検索APIを使い自動的にサーベイを行うArxiv RAGを最近のLLMで調べてみました。Gemini 1.5が非常に健闘し、またClaude 3.5 Sonnetも面白い […]...

1.1k{icon} {views} 目的 最近いろいろなLLMが出ているが、論文要約というタスクで見たときにそれぞれがどの程度の性能/コストなのかを見ていく。コスト的と性能両方見て、どれが使いやすいのかを考えたい。 概 […]...

184{icon} {views} タイトル：LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control 著者：Ji […]...

161{icon} {views} タイトル：Beyond Aesthetics: Cultural Competence in Text-to-Image Models 著者：Nithish Kannen, Arif […]...

536{icon} {views} タイトル：Unveiling Encoder-Free Vision-Language Models 著者：Haiwen Diao, Yufeng Cui, Xiaotong Li, […]...

248{icon} {views} タイトル：MixEval: Deriving Wisdom of the Crowd from LLM Benchmark Mixtures URL：https://mixeval.g […]...

429{icon} {views} * タイトル：Human Preference Score v2: A Solid Benchmark for Evaluating Human Preferences of Text […]...

373{icon} {views} タイトル：Style Aligned Image Generation via Shared Attention 論文URL：https://arxiv.org/abs/2312.02 […]...

2k{icon} {views} DiscordにWebhook経由で、複数の画像＋メッセージを投稿する例を紹介します。Python＋requestsでやったらかなりハマったのでメモがてらに。 やりたいこと こんな感じに […]...