LongVie：マルチモーダル制御で実現する1分超高品質動画生成の新時代
LongVie：マルチモーダル制御で実現する1分超高品質動画生成の新時 ...
LLM-Paper
マルチモーダル
Skywork UniPic：高効率で画像理解・生成・編集を統合する次世代マルチモーダルモデル
Skywork UniPic：高効率で画像理解・生成・編集を統合する次 ...
LLM-Paper
MATE：マルチエージェントによるアクセシビリティ特化モダリティ変換フレームワーク
MATE：マルチエージェントによるアクセシビリティ特化モダリティ変換フ ...
LLM-Paper
RoboTwin 2.0：両腕操作ロボットのためのスケーラブルな合成データ生成とベンチマーク設計
RoboTwin 2.0：両腕操作ロボットのためのスケーラブルな合成デ ...
LLM-Paper
DualTHORとは何か？双腕ロボットの現実適応力を高める次世代シミュレータ
DualTHORとは何か？双腕ロボットの現実適応力を高める次世代シミュ ...
LLM-Paper
GPT-4oレベルの画像生成を民主化する：Janus-4oとShareGPT-4o-Imageの挑戦
GPT-4oレベルの画像生成を民主化する：Janus-4oとShare ...
LLM-Paper
FedNano：大規模マルチモーダルモデルを軽量・効率的に分散学習
FedNano：大規模マルチモーダルモデルを軽量・効率的に分散学習
LLM-Paper
ImmerseGen：エージェントが導く、軽量×高臨場の次世代VRシーン生成
ImmerseGen：エージェントが導く、軽量×高臨場の次世代VRシー ...
LLM-Paper
画像を忘れないAIへ、CoMemoが切り拓く次世代視覚と言語モデル
画像を忘れないAIへ、CoMemoが切り拓く次世代視覚と言語モデル
LLM-Paper
SCIVERが拓く未来：マルチモーダル科学的主張検証の最前線
SCIVERが拓く未来：マルチモーダル科学的主張検証の最前線
LLM-Paper
物理とデジタルを融合する次世代AI『Embodied Web Agents』の挑戦
物理とデジタルを融合する次世代AI『Embodied Web Agen ...
LLM-Paper
軽量高性能を実現する汎用蒸留フレームワーク『GenRecal』
軽量高性能を実現する汎用蒸留フレームワーク『GenRecal』
LLM-Paper
ProtoReasoning: 論理と計画で磨く汎用推論能力
ProtoReasoning: 論理と計画で磨く汎用推論能力
LLM-Paper
マルチモーダルLLMの推論性能を革新する混合優先最適化の提案！
マルチモーダルLLMの推論性能を革新する混合優先最適化の提案！
LLM-Paper
UnifiedCrawl：低リソース言語データ収集と効率的LLM適応の新アプローチ
UnifiedCrawl：低リソース言語データ収集と効率的LLM適応の ...
その他
Insight-V：視覚と思考をつなぐマルチモーダル推論の新戦略
Insight-V：視覚と思考をつなぐマルチモーダル推論の新戦略
LLM-Paper
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAUIの可能性
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAU ...
Large language models
推論過程を書き出すホワイトボードを与えることで、LLMの視覚的推論能力が大きく向上！？
推論過程を書き出すホワイトボードを与えることで、LLMの視覚的推論能力 ...
Prompting Method