MicroDiffusion: 数万ドルのモデルに勝る千ドルの生成画質モデル
MicroDiffusion: 数万ドルのモデルに勝る千ドルの生成画質 ...
Image generation
画像認識
大規模言語モデルで実現する人間-ロボット協働組立
大規模言語モデルで実現する人間-ロボット協働組立
robot
【GenAI-Arena】ユーザー投票で生成モデルを評価する新プラットフォーム
【GenAI-Arena】ユーザー投票で生成モデルを評価する新プラット ...
Large language models
【SKETCHPAD】マルチモーダル言語モデルの推論を中間スケッチで強化
【SKETCHPAD】マルチモーダル言語モデルの推論を中間スケッチで強 ...
Large language models
【Plot2Code】マルチモーダルLLMのコード生成をテストするベンチマーク
【Plot2Code】マルチモーダルLLMのコード生成をテストするベン ...
Large language models
LLMを活用したエージェント支援型の動画編集ツール「LAVE」
LLMを活用したエージェント支援型の動画編集ツール「LAVE」
Large language models
YesBut：VLMに皮肉や風刺画を理解させるデータセットの登場！
YesBut：VLMに皮肉や風刺画を理解させるデータセットの登場！
dataset
GPT-4Vを用いた一般化感情認識（GER）の総合的評価
GPT-4Vを用いた一般化感情認識（GER）の総合的評価
Large language models
【MMSEARCH】画像とテキストを統合したマルチモーダル検索システム
【MMSEARCH】画像とテキストを統合したマルチモーダル検索システム
Large language models
希少遺伝性疾患診断のためのマルチモーダルモデル「GestaltMML」
希少遺伝性疾患診断のためのマルチモーダルモデル「GestaltMML」
Large language models
【Qwen2-VL】画像や動画を異なる解像度で処理できる最新VLM
【Qwen2-VL】画像や動画を異なる解像度で処理できる最新VLM
Large language models
TryOnDiffusion: 試着画像生成の最強モデル
TryOnDiffusion: 試着画像生成の最強モデル
Image generation
See Finer, See More. テキストベースの人物検索のための暗黙のモダリティアライメント
See Finer, See More. テキストベースの人物検索のた ...
深層学習
【OmniGen】あらゆる画像系タスクをたった一つの生成モデルで実現！
【OmniGen】あらゆる画像系タスクをたった一つの生成モデルで実現！
Image generation
【LDDGAN】最高速の推論が可能な拡散モデル
【LDDGAN】最高速の推論が可能な拡散モデル
Diffusion Model
【NVLM】画像と言語タスクにおいてGPT-4oを上回るマルチモーダルLLM
【NVLM】画像と言語タスクにおいてGPT-4oを上回るマルチモーダル ...
Large language models
CLIPを用いたディープフェイク検出の新境地
CLIPを用いたディープフェイク検出の新境地
Fake Detection
GenTron: 画像生成、動画生成向けのDiffusion Transformers
GenTron: 画像生成、動画生成向けのDiffusion Tran ...
Image generation