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 […]...