論文まとめ:GRiT: A Generative Region-to-text Transformer for Object Understanding
497{icon} {views} タイトル:GRiT: A Generative Region-to-text Transformer for Object Understanding 著者:Jialian Wu, J […]...
EVA-CLIPをOpenCLIPで使う
889{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ま […]...
論文まとめ:EVA-02: A Visual Representation for Neon Genesis
728{icon} {views} タイトル:EVA-02: A Visual Representation for Neon Genesis 著者:Yuxin Fang, Quan Sun, Xinggang Wang […]...
論文まとめ:EVA: Exploring the Limits of Masked Visual Representation Learning at Scale
974{icon} {views} タイトル:EVA: Exploring the Limits of Masked Visual Representation Learning at Scale 著者:Yuxin Fa […]...
論文まとめ:Flamingo: a Visual Language Model for Few-Shot Learning
1.3k{icon} {views} タイトル:Flamingo: a Visual Language Model for Few-Shot Learning 著者:Jean-Baptiste Alayrac, Jeff […]...
CoCaとBLIP2を使ってみた:ImageNet、キャプション生成
4.7k{icon} {views} CoCaとBLIP2の訓練済みモデルで遊んでみました。「ImageNet 1Kのゼロショット精度」と「キャプション生成」の2点について検証してみました。 きっかけ ほぼ同時期にBLI […]...
論文まとめ:BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models
6.8k{icon} {views} タイトル:BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large […]...
論文まとめ:Patching open-vocabulary models by interpolating weights
543{icon} {views} タイトル:Patching open-vocabulary models by interpolating weights 著者:Gabriel Ilharco, Mitchell W […]...