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
画像認識/画像解析
【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
【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
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
【コマ撮り画像の高FPS動画化】フレーム補間AI技術RIFE＆IFNetの仕組みと活用術
【コマ撮り画像の高FPS動画化】フレーム補間AI技術RIFE＆IFNe ...
Image generation
周波数マスクによる次世代ディープフェイク検出技術
周波数マスクによる次世代ディープフェイク検出技術
Fake Detection
【FreqNet】 周波数空間での学習による汎用的ディープフェイク検知
【FreqNet】 周波数空間での学習による汎用的ディープフェイク検知
Fake Detection
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
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
【生成クオリティ向上の内幕】生成AIもユーザも行う「情熱的なふるまい」
【生成クオリティ向上の内幕】生成AIもユーザも行う「情熱的なふるまい」
3D
ConvNeXt V2：マスクオートエンコーダによるConvNetsの改善とスケーリング
ConvNeXt V2：マスクオートエンコーダによるConvNetsの ...
画像認識
スプリアス特徴生成のためのTEXT-TO-IMAGE拡散モデルのファインチューニング
スプリアス特徴生成のためのTEXT-TO-IMAGE拡散モデルのファイ ...
画像認識
【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
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