複数の画像やテキストの解釈 Tech News - Section 19

Stability AIが初の日本語ビジョン言語モデルをリリース

単一かつ包括的なモデルを作成し、さまざまなユーザー定義のタスクを処理できるようにすることは、人工知能（AI）研究の分野...

「PyGraftに会ってください：高度にカスタマイズされた、ドメインに依存しないスキーマと知識グラフを生成する、オープンソースのPythonベースのAIツール」

データをグラフ構造で表現するための、ますます人気のある方法は、知識グラフ（KG）の使用です。KGは、s（主語）とo（目的語...

大規模な言語モデルは本当に数学をできるのか？この人工知能AIの研究はMathGLMを紹介します：計算機なしで数学問題を解くための頑健なモデル

下流の自然言語処理（NLP）タスクにおいて、大規模言語モデル（LLMs）は非常に効果的であることが証明されています。GPT4やCh...

「低コスト四足ロボットはパルクールをマスターできるのか？ アジャイルなロボット運動のための革命的な学習システムを公開する」

複雑な物理的タスク、例えば困難な環境でのナビゲーションなどをロボットに実行させるという課題は、ロボティクスにおいて長...

「ジュラシックパークへの待ち時間は終わりましたか？このAIモデルは、イメージからイメージへの変換を使用して、古代の化石を生き返らせます」

画像対画像変換（I2I）は、コンピュータビジョンと機械学習の興味深い分野であり、視覚コンテンツをシームレスに別のドメイン...

「密度プロンプトのチェーンを通じたGPT-4要約の強化」

大規模言語モデル（LLMs）は、その優れた能力のために最近注目を集めています。LLMsは、質問応答やコンテンツ生成から言語翻...

百度のAI研究者がVideoGenを紹介：高フレーム精度で高解像度のビデオを生成できる新しいテキストからビデオを生成する手法

テキストから画像への変換（T2I）システムであるDALL-E2、Imagen、Cogview、Latent Diffusionなどは、近年大きな進歩を遂げて...

「ファイングレインド画像分類における背景誘発バイアスをどのように軽減できるか？ マスキング戦略とモデルアーキテクチャの比較的研究」

細かい画像の分類は、広いカテゴリ内で密接に関連するサブクラスを区別することに取り組んでいます。例えば、単に画像を「鳥...

「Google DeepMindの研究者たちは、PROmptingによる最適化（OPRO）を提案する：大規模言語モデルを最適化器として」

人工知能の分野では、自然言語処理、自然言語生成、自然言語理解、およびコンピュータビジョンなどのサブフィールドがますま...

グーグルの研究者たちは、MEMORY-VQという新しいAIアプローチを提案していますこれにより、メモリ拡張モデルのストレージ要件を削減することができますが、パフォーマンスを犠牲にすることはありません

言語モデルの最近の研究では、事実知識を強化するために検索の拡張の重要性が強調されています。検索の拡張は、これらのモデ...

Find your business way

Globalization of Business, We can all achieve our own Success.

Advertising with us