画像理解

書いてみる

関連タグ

#モデル (16,168)
#タスク (8,612)
#画像 (22,071)
#画像認識 (774)
#128kトークン (1)
#20万字 (2)

【小説2冊分を理解する？！】「Kimi k1.5」・日本語OKの中国製AIがGPT-4oを超える😲数学・コード生成・画像理解をこなすマルチモーダルAIの秘密に迫る💖最大128kトークン処理＆長期CoTも強力✨

葉加瀬あい (AI-Hakase)🎈動画&Note でAI解説🎥https://x.gd/F2Mvl
12日前

Making Large Multimodal Models Understand Arbitrary Visual Prompts

Ikemen Mas Kot
9か月前

Dragonfly: Multi-Resolution Zoom Supercharges Large Visual-Language Model

Ikemen Mas Kot
8か月前

「GPT-4 Turbo」、「Vision（画像理解）」「DALL·E 3（画像生成）」を全てLINEで試せるようにしてみた。

三野輪 慎太郎 / Shintaro Minowa
1年前

Ferret-v2: An Improved Baseline for Referring and Grounding with Large Language Models

Ikemen Mas Kot
9か月前

2022年1月に新設・改訂されるIPC（国際特許分類）

野崎篤志＠イーパテント－知財情報コンサルティング®
3年前

BLINK: Multimodal Large Language Models Can See but Not Perceive

Ikemen Mas Kot
9か月前

Hidden Flaws Behind Expert-Level Accuracy of GPT-4 Vision in Medicine

Ikemen Mas Kot
1年前

SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs

Ikemen Mas Kot
1年前