タグ: VLM

25{icon} {views} NVIDIAの「Nemotron Nano V2 VL」は、12Bの軽量かつ高効率な視覚言語モデルです。MambaとTransformerのハイブリッド構成と、動画の静的領域を間引くEV […]...

351{icon} {views} タイトル：Expanding Performance Boundaries of Open-Source Multimodal Models with Model, Data, and […]...

314{icon} {views} タイトル：OmniGen: Unified Image Generation 著者：Shitao Xiao, Yueze Wang, Junjie Zhou, Huaying Yuan […]...

637{icon} {views} タイトル：Unveiling Encoder-Free Vision-Language Models 著者：Haiwen Diao, Yufeng Cui, Xiaotong Li, […]...

1.1k{icon} {views} 論文URL：Video-LLaVA: Learning United Visual Representation by Alignment Before Projection 著者： […]...

536{icon} {views} LLMをデプロイする際に、LLM部分の量子化が必要になることが多いです。MiniGPT4のようなVLMに焦点をあて、AutoGPTQとBitsAndBytesという2つの量子化フレーム […]...