複数の画像やテキストの解釈 Applications - Section 117

「TR0Nに会ってください：事前学習済み生成モデルに任意のコンディショニングを追加するためのシンプルで効率的な方法」

最近、大規模な機械学習モデルが様々なタスクで優れた成績を収めています。しかし、このようなモデルのトレーニングには多く...

「合成キャプションはマルチモーダルトレーニングに役立つのか？このAI論文は、合成キャプションがマルチモーダルトレーニングにおけるキャプションの品質向上に効果的であることを示しています」

マルチモーダルモデルは、人工知能の分野における最も重要な進歩の一つです。これらのモデルは、画像やビデオを含む視覚的な...

このPythonライブラリ「Imitation」は、PyTorchでの模倣と報酬学習アルゴリズムのオープンソース実装を提供します

明確な報酬関数が定義されたゲームのような領域では、強化学習（RL）は人間のパフォーマンスを上回っています。残念ながら、...

「もしも、視覚のみのモデルを、わずかな未ラベル化画像を使って線形層のみを訓練することで、ビジョン言語モデル（VLM）に変換できたらどうでしょうか？ テキストから概念へ（そしてその逆）のクロスモデルアラインメントによる、Text-to-Conceptの紹介」

深層ビジョンモデルが使用する表現空間には、意味構造が豊富に存在します。しかし、統計量の膨大さのために、人間はこれらの...

「LogAIとお会いしましょう：ログ分析と知能のために設計されたオープンソースライブラリ」

LogAIは、さまざまなログ解析とインテリジェンスのタスクをサポートする無料のライブラリです。複数のログ形式に対応しており...

サムスンのAI研究者が、ニューラルヘアカットを紹介しましたこれは、ビデオや画像から人間の髪の毛のストランドベースのジオメトリを再構築するための新しいAI手法です

サムスンAIセンター、Rockstar Games、FAU Erlangen-Nurnberg、およびCinemersive Labsの研究者たちは、写真やビデオフレーム...

「サリー大学の研究者が開発した新しいソフトウェアは、AIが実際にどれだけの情報を知っているかを検証することができます」

ここ数年、人工知能（AI）のドメインでいくつかの技術的なブレークスルーがあり、いくつかの産業やセクターに深い影響を与え...

「Brain2Musicに会ってください：機能的磁気共鳴画像法（fMRI）を用いた脳活動から音楽を再構築するためのAI手法」

音楽が好きな人は誰でもいますよね？曲のリズムを覚えているけれど歌詞が思い出せず、曲の名前が分からないことはありません...

「拡散を支配するための1つの拡散：マルチモーダル画像合成のための事前学習済み拡散モデルの調節」

画像生成AIモデルは、ここ数ヶ月でこの領域を席巻しています。おそらく、midjourney、DALL-E、ControlNet、またはStable dDif...

新しいAIの研究は、事前学習済みおよび指示微調整モデルのゼロショットタスクの一般化性能を改善するために、コンテキスト内の指導学習（ICIL）がどのように機能するかを説明しています

Large Language Models (LLMs)は、few-shot demonstrations、またはin-context learningとしても知られるプロセスによって、...

Find your business way

Globalization of Business, We can all achieve our own Success.

Advertising with us