【OW-VISCap】見たことない物体にも注目 - オープンワールドビデオ理解の新アプローチ
【OW-VISCap】見たことない物体にも注目 - オープンワールドビ ...
Computer Vision
記事一覧
DNA解析から遺伝子発現予測、大規模言語モデルによる生物情報学への応用
DNA解析から遺伝子発現予測、大規模言語モデルによる生物情報学への応用
Large language models
【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
音声から自然な3Dトーキングフェイスを生成する「AVI-Talking」
音声から自然な3Dトーキングフェイスを生成する「AVI-Talking ...
Face Recognition
インド固有の社会的バイアスを測定するための新データセット「IndiBias」
インド固有の社会的バイアスを測定するための新データセット「IndiBi ...
Large language models
【ゼロショット転移学習】多言語コーパスデータから、未学習言語の音声認識を行なう革新的な技術！？
【ゼロショット転移学習】多言語コーパスデータから、未学習言語の音声認識 ...
Speech Recognition for the Dysarthric
【BitNet】1ビットで推論する大規模言語モデル
【BitNet】1ビットで推論する大規模言語モデル
BitNet
【EDAT24】製造業の動作分類に特化したイベントベースのデータセット
【EDAT24】製造業の動作分類に特化したイベントベースのデータセット
Datasets
ChatGPTを用いたメディアバイアス検出の可能性と限界
ChatGPTを用いたメディアバイアス検出の可能性と限界
Large language models
診断の精度向上、医療に特化したLLMによる新たな診断支援
診断の精度向上、医療に特化したLLMによる新たな診断支援
Large language models
【ReALM】LLMによる画面上のエンティティ位置を活用した参照解決
【ReALM】LLMによる画面上のエンティティ位置を活用した参照解決
Large language models
AIによる口頭試験シミュレーション、STEM教育に革命をもたらすLLM
AIによる口頭試験シミュレーション、STEM教育に革命をもたらすLLM
Large language models
ロボットに『因果の目』を与える：ブロック積み上げタスクで高い成功率を達成
ロボットに『因果の目』を与える：ブロック積み上げタスクで高い成功率を達 ...
robot
知識グラフが切り拓く理解可能なAIの未来
知識グラフが切り拓く理解可能なAIの未来
survey
AI技術の進化が招く『知識の崩壊』の危険性
AI技術の進化が招く『知識の崩壊』の危険性
Computers and Society
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
【DIFFUSSM】Attentionに依存しない拡散モデル
【DIFFUSSM】Attentionに依存しない拡散モデル
Image generation
Wavelet Diffusion: 最高速の拡散モデル
Wavelet Diffusion: 最高速の拡散モデル
Image generation
ChatGPTによる顔認証の精度と透明性の向上、ソフトバイオメトリクスの新展開
ChatGPTによる顔認証の精度と透明性の向上、ソフトバイオメトリクス ...
Large language models
【RL-GPT】 Mincraftで通常の数倍の速さでダイヤモンドを取得するフレームワークが登場
【RL-GPT】 Mincraftで通常の数倍の速さでダイヤモンドを取 ...
機械学習
MBTIを用いてLLMに人間の性格を評価させるフレームワークが登場！
MBTIを用いてLLMに人間の性格を評価させるフレームワークが登場！
ChatGPT
VCRL: 報酬分散で学習難易度を制御するLLM強化学習の新アプローチ
VCRL: 報酬分散で学習難易度を制御するLLM強化学習の新アプローチ
LLM-Paper
お手軽！高精度！異常検知モデルPatchCoreの魅力
お手軽！高精度！異常検知モデルPatchCoreの魅力
Object Detection
【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
自己教師あり学習で感情・笑い・性格を読み解く社会的AI『Social-MAE』の挑戦
自己教師あり学習で感情・笑い・性格を読み解く社会的AI『Social- ...
LLM-Paper
ViTに優った！大規模CNNの新たな基盤モデル！: InternImage
ViTに優った！大規模CNNの新たな基盤モデル！: InternIma ...
深層学習
スポーツベッティングにおけるサッカーの試合予測に挑む機械学習モデル
スポーツベッティングにおけるサッカーの試合予測に挑む機械学習モデル
Sports Analytics
【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
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
【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
U-NetとTransformerを合体！医用画像セグメンテーションのための新しいネットワークSwin Unetを紹介｡
U-NetとTransformerを合体！医用画像セグメンテーションの ...
medical
