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
画像キャプション
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
顔認識から年齢推定まで、ChatGPT-4を活用した生体認証技術の可能性
顔認識から年齢推定まで、ChatGPT-4を活用した生体認証技術の可能 ...
Large language models
【Set-of-Mark Visual Prompting】GPT-4Vの画像認識能力を高めるプロンプト技術
【Set-of-Mark Visual Prompting】GPT-4 ...
Prompting Method
【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
文章から3Dオブジェクトを生成するーDreamFusionー
文章から3Dオブジェクトを生成するーDreamFusionー
3D
AttentionからGANベースの手法まで画像キャプション生成の技術まとめ
AttentionからGANベースの手法まで画像キャプション生成の技術 ...
Image Caption