タグ: 基盤モデル

27{icon} {views} ULIP-2は、3D形状からレンダリングした画像と自動生成された多様な言語記述を組み合わせることで、従来を上回る精度とスケーラビリティを実現した。 ゼロショット3D分類や3Dキャプション […]...

297{icon} {views} タイトル：Cosmos World Foundation Model Platform for Physical AI 著者：NVIDIAの方々 論文URL：https://arxiv […]...

144{icon} {views} 論文タイトル：LLM2CLIP: Powerful Language Model Unlock Richer Visual Representation 著者：Weiquan Huan […]...

334{icon} {views} タイトル：Genie: Generative Interactive Environments 論文URL：https://arxiv.org/abs/2402.15391 著者：De […]...

1.2k{icon} {views} タイトル：GRiT: A Generative Region-to-text Transformer for Object Understanding 著者：Jialian Wu, […]...

1.9k{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 […]...

2.4k{icon} {views} タイトル：EVA-02: A Visual Representation for Neon Genesis 著者：Yuxin Fang, Quan Sun, Xinggang Wan […]...

1.8k{icon} {views} タイトル：EVA: Exploring the Limits of Masked Visual Representation Learning at Scale 著者：Yuxin F […]...

2k{icon} {views} タイトル：Flamingo: a Visual Language Model for Few-Shot Learning 著者：Jean-Baptiste Alayrac, Jeff D […]...

7.4k{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 […]...