論文紹介: LLaVA-1.5 (Improved Baselines with Visual Instruction Tuning)｜Sakusakumura

テクノロジーカテゴリーの変更を依頼記事元:

note.com/sakusakumura

15 usersがブックマークコメント

記事へのコメント1件

注目コメント
新着コメント

misshiki “LLaVA (Large Language-and-Vision Assistant)は、Vision encoderとLLMを組み合わせてエンドツーエンドにトレーニングすることができるようにしたモデルです。”

2023/10/10 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

論文紹介: LLaVA-1.5 (Improved Baselines with Visual Instruction Tuning)｜Sakusakumura

🚀 LLaVA-1.5 is out! Achieving SoTA on 11 benchmarks, with simple mods to original LLaVA! Utilize... 🚀 LLaVA-1.5 is out! Achieving SoTA on 11 benchmarks, with simple mods to original LLaVA! Utilizes merely 1.2M public data, trains in ~1 day on a single 8-A100 node, and surpasses methods that use billion-scale data. 🔗https://t.co/y0kG0WZBVa 🧵1/5 pic.twitter.com/kMz0LTk63R — Haotian Liu (@imhaotian) October 6, 2023 LLaVA-1.5は、今まで公開されているV&Lモデルの中で、初めて以下のスクリーンショットからそれぞれのキャラの順位を正しく答えることができました。「ウマ娘」