カテゴリー: DeepLearning

182{icon} {views} タイトル：Generating Images with Multimodal Language Models 著者：Jing Yu Koh, Daniel Fried, Ruslan […]...

325{icon} {views} タイトル：Visual Programming: Compositional visual reasoning without training 著者：Tanmay Gupta, An […]...

393{icon} {views} タイトル：Evaluating and Inducing Personality in Pre-trained Language Models 著者：Guangyuan Jiang, […]...

348{icon} {views} タイトル：UniVTG: Towards Unified Video-Language Temporal Grounding 著者：Kevin Qinghong Lin, Pengch […]...

1.1k{icon} {views} タイトル：GRiT: A Generative Region-to-text Transformer for Object Understanding 著者：Jialian Wu, […]...

792{icon} {views} タイトル：Shap-E: Generating Conditional 3D Implicit Functions 著者：Heewoo Jun, Alex Nichol（OpenAI） […]...

620{icon} {views} タイトル：GALIP: Generative Adversarial CLIPs for Text-to-Image Synthesis 著者：Ming Tao, Bing-Kun B […]...

1.6k{icon} {views} EVA-CLIPがOpenCLIPから使えるようになっていたので試してみました。ViT-L/14相当のモデルでImageNetのゼロショット精度が80％越えでなかなかやばい結果となり […]...

2k{icon} {views} 分布間の差を定量化する手法として、KLダイバージェンスが機械学習では広く使われますが、多変量への拡張の実装面の話が必要になったので検証してみました。KDTreeを使った推定がノンパラへの […]...

811{icon} {views} タイトル：StableRep: Synthetic Images from Text-to-Image Models Make Strong Visual Representation […]...