【CoDi】ほぼ全てのモダリティを扱えるAny-to-Anyの拡散モデル
【CoDi】ほぼ全てのモダリティを扱えるAny-to-Anyの拡散モデ ...
Diffusion Model
画像認識
大規模画像認識のための非常に深い畳み込みネットワーク
大規模画像認識のための非常に深い畳み込みネットワーク
画像認識
3D透視幾何学の制約を活用した拡散モデルの強化
3D透視幾何学の制約を活用した拡散モデルの強化
Computer Vision
【Versatile Diffusion】テキストと画像を統合的に扱う拡散モデル
【Versatile Diffusion】テキストと画像を統合的に扱う ...
Diffusion Model
【UniD3】画像と文章を統合的に扱うマルチモーダル離散拡散モデル
【UniD3】画像と文章を統合的に扱うマルチモーダル離散拡散モデル
Diffusion Model
レビュー：IoT時系列データの画像変換と各種アプリケーション
レビュー：IoT時系列データの画像変換と各種アプリケーション
IoT
【Brain2Music】脳の情報をもとに音楽を自動生成
【Brain2Music】脳の情報をもとに音楽を自動生成
Large language models
少量データでも高性能に？Multilabel approachでPET/CTの病変誤認を改善！
少量データでも高性能に？Multilabel approachでPET ...
medical
I-ViT：ViTを整数型で計算！？I-BERTの技術を進化させたShiftmax、ShiftGELUも登場！
I-ViT：ViTを整数型で計算！？I-BERTの技術を進化させたSh ...
Transformer
【PETRv2】カメラ画像だけで物体の3次元位置を推定
【PETRv2】カメラ画像だけで物体の3次元位置を推定
Object Detection
生のデータを共有せずに高精度な画像分類を実現！Model-Contrastive Federated Learningを紹介
生のデータを共有せずに高精度な画像分類を実現！Model-Contra ...
Federated Learning
ImageReward：text-to-imageにおける人間の評価を学習した報酬モデル
ImageReward：text-to-imageにおける人間の評価を ...
Alignment
人による評価のフィードバックを用いたtext-to-imageモデルのfine-tuning
人による評価のフィードバックを用いたtext-to-imageモデルの ...
Alignment
脳の老化度合いを可視化！？２枚のMRI画像を用いた自己教師あり学習手法
脳の老化度合いを可視化！？２枚のMRI画像を用いた自己教師あり学習手法
medical
PAM：パーソナライズされた画像の美的評価予測モデル
PAM：パーソナライズされた画像の美的評価予測モデル
dataset
TaPA：LLMを使用したロボットの行動生成エージェント
TaPA：LLMを使用したロボットの行動生成エージェント
Large language models
3Dマップ上に直接ラベル付けして精度を向上するVLMaps
3Dマップ上に直接ラベル付けして精度を向上するVLMaps
robot
AIアート vs Humanアート 〜人はどちらを好むのか〜
AIアート vs Humanアート 〜人はどちらを好むのか〜
Image generation