論文まとめ：Unveiling Encoder-Free Vision-Language Models
582{icon} {views} タイトル：Unveiling Encoder-Free Vision-Language Models 著者：Haiwen Diao, Yufeng Cui, Xiaotong Li, […]...
論文まとめ：MixEval: Deriving Wisdom of the Crowd from LLM Benchmark Mixtures
260{icon} {views} タイトル：MixEval: Deriving Wisdom of the Crowd from LLM Benchmark Mixtures URL：https://mixeval.g […]...
論文まとめ：Human Preference Score v2: A Solid Benchmark for Evaluating Human Preferences of Text-to-Image Synthesis
467{icon} {views} * タイトル：Human Preference Score v2: A Solid Benchmark for Evaluating Human Preferences of Text […]...
論文まとめ：Style Aligned Image Generation via Shared Attention
392{icon} {views} タイトル：Style Aligned Image Generation via Shared Attention 論文URL：https://arxiv.org/abs/2312.02 […]...
論文まとめ：HiQA: A Hierarchical Contextual Augmentation RAG for Massive Documents QA
391{icon} {views} タイトル：HiQA: A Hierarchical Contextual Augmentation RAG for Massive Documents QA 著者：Xinyue Che […]...
論文まとめ：Design2Code: How Far Are We From Automating Front-End Engineering?
262{icon} {views} タイトル：Design2Code: How Far Are We From Automating Front-End Engineering? 著者：Chenglei Si, Yanz […]...
論文まとめ：Genie: Generative Interactive Environments
436{icon} {views} タイトル：Genie: Generative Interactive Environments 論文URL：https://arxiv.org/abs/2402.15391 著者：De […]...
CLIPに対していろいろ条件を変えてLoRAを訓練してみた（PyTorch Lightning）
2.2k{icon} {views} CLIPに対してLoRAを適用して、いろいろ条件を変えて画像分類モデルを訓練した。Few-shotやパラメーター数に対しては従来のファインチューニングと同じだが、rとαとバランスを考 […]...
transformersのTrainerでCLIPにLoRAを適用して訓練する
1.2k{icon} {views} HuggingFaceの提供しているpeftを使うと、LoRAが簡単に訓練できますが、transformersのTrainerベースでの訓練であり、画像分類でどうやるのかがよくわかり […]...
論文まとめ：ConTextual: Evaluating Context-Sensitive Text-Rich Visual Reasoning in Large Multimodal Models
248{icon} {views} 論文タイトル：ConTextual: Evaluating Context-Sensitive Text-Rich Visual Reasoning in Large Multimod […]...