はてブログ

はてなブックマーク新着エントリーの過去ログサイトです。



タグ MLLM

新着順 人気順 5 users 10 users 50 users 100 users 500 users 1000 users
 
(1 - 3 / 3件)
 

Appleがスマホの画面を認識できるマルチモーダルLLM「Ferret-UI」を発表、SiriがiPhoneアプリのUIを理解できるようになる可能性も

2024/04/10 このエントリーをはてなブックマークに追加 15 users Instapaper Pocket Tweet Facebook Share Evernote Clip abs arXiv Siri Ferret-UI 論文

Appleの研究者が、スマートフォンのアプリUIを理解するために設計したマルチモーダル大規模言語モデル(MLLM)の「Ferret-UI」を開発したという論文を、未査読論文リポジトリであるarXivで公開しました。 [2404.05719] Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs https://arxiv.org/abs/2404.0571... 続きを読む

Appleの研究者、マルチモーダルLLM「MM1」の論文発表 視覚タスクではGPT-4Vに匹敵

2024/03/18 このエントリーをはてなブックマークに追加 18 users Instapaper Pocket Tweet Facebook Share Evernote Clip moe パラメータ 混合 スケール ペア

MM1は、画像とテキストのペア、画像とテキストの混合データ、テキストのみのデータの混合でトレーニングされている。Mixture-of-Experts(MoE)や教師あり微調整でパラメータを300億までスケールアップすることで、比較的コンパクトなサイズでも競合するMLLMに匹敵する結果をベンチマークで達成したとしている。 視覚タ... 続きを読む

アップルが画像生成AIツールをひっそり発表

2024/02/14 このエントリーをはてなブックマークに追加 10 users Instapaper Pocket Tweet Facebook Share Evernote Clip アップル 画像生成AIツール mayumine 原文 指示

アップルが画像生成AIツールをひっそり発表2024.02.14 12:00 Thomas Germain・Gizmodo US [原文] ( mayumine ) Apple(アップル)も画像生成AI研究中。 Appleは、テキストベースの指示で写真や画像を編集するオープンソースのツールを発表しました。カリフォルニア大学サンタバーバラ校と共同で開発したもので「MLLM-... 続きを読む

 
(1 - 3 / 3件)