CLIPでフェイクイメージを見破れ：画像-言語モデルによるフェイク検知
CLIPでフェイクイメージを見破れ：画像-言語モデルによるフェイク検知
Fake Detection
Transformer
LLMが「心の理論」を有しているかを評価するベンチマーク、OpenToMが登場！
LLMが「心の理論」を有しているかを評価するベンチマーク、OpenTo ...
Datasets
【Diffusion Transformer】OpenAIのSoraにも使われた最新技術
【Diffusion Transformer】OpenAIのSoraに ...
Image generation
アップルがLLMのようにスケーラブルな大規模自己回帰画像モデルを開発
アップルがLLMのようにスケーラブルな大規模自己回帰画像モデルを開発
Computer Vision
【Swin Transformer】今こそ押さえたいTransformer系画像認識モデル
【Swin Transformer】今こそ押さえたいTransform ...
画像認識
【DPO】強化学習を用いずに大規模言語モデルをユーザの好みに直接合わせる手法
【DPO】強化学習を用いずに大規模言語モデルをユーザの好みに直接合わせ ...
RLHF
【EmotionPrompt】感情を込めてプロンプト入力することでLLMの性能が向上
【EmotionPrompt】感情を込めてプロンプト入力することでLL ...
Prompting Method
Open X-Embodiment：ロボットの汎用的な学習を目指して
Open X-Embodiment：ロボットの汎用的な学習を目指して
robot
【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
【CLAP】音声とテキストの対照学習モデル
【CLAP】音声とテキストの対照学習モデル
Contrastive Learning
【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
【LP-MusicCaps】LLMを用いた音楽キャプションの自動生成
【LP-MusicCaps】LLMを用いた音楽キャプションの自動生成
Contrastive Learning
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
プロンプトを高性能に最適化するPrompt Tuningとは？
プロンプトを高性能に最適化するPrompt Tuningとは？
Prompting Method
【MuLan】対照学習を利用したMusic-Textのマルチモーダル
【MuLan】対照学習を利用したMusic-Textのマルチモーダル
Contrastive Learning
【MusicLM】Googleが開発したText-to-Musicの生成モデル
【MusicLM】Googleが開発したText-to-Musicの生 ...
Transformer
Sparse Transformers：入力シーケンスの長さによる計算量増加問題への革新的なアプローチ
Sparse Transformers：入力シーケンスの長さによる計算 ...
Transformer