カテゴリー: DeepLearning

9.4k{icon} {views} タイトル：BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large […]...

1.3k{icon} {views} タイトル：InstructPix2Pix: Learning to Follow Image Editing Instructions 著者：Tim Brooks, Aleksand […]...

5k{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 […]...

703{icon} {views} オープンセットな行動認識のできるText4VisというモデルをHMDB51で試し撃ちしてみました。訓練済みモデルが公開されており、すぐ利用することができます。 はじめに Text4Vi […]...

935{icon} {views} タイトル：StyleTTS: A Style-Based Generative Model for Natural and Diverse Text-to-Speech Synthes […]...

3.4k{icon} {views} タイトル：OCR-free Document Understanding Transformer 著者：Geewook Kim, Teakgyu Hong, Moonbin Yim, […]...

657{icon} {views} タイトル：Lightweight Attentional Feature Fusion: A New Baseline for Text-to-Video Retrieval 著者：F […]...

6.8k{icon} {views} タイトル：Large Language Models are Zero-Shot Reasoners 著者：Takeshi Kojima, Shixiang Shane Gu, Ma […]...

1.2k{icon} {views} タイトル：Extremely Simple Activation Shaping for Out-of-Distribution Detection 著者：Andrija Djuri […]...

335{icon} {views} タイトル：Domino: Discovering Systematic Errors with Cross-Modal Embeddings 著者：Sabri Eyuboglu, Ma […]...