https://b.hatena.ne.jp/entry/s/viper.cs.columbia.edu/ Answering visual queries is a complex task that requires both visual processing and reasoning. End-to-end models, the dominant approach for this task, do not explicitly differentiate between the tw... https://b.hatena.ne.jp/yuiseki/20230604#bookmark-4733836715324139428 2023-06-04T11:12:30Z https://b.hatena.ne.jp/shunkeen/20230331#bookmark-4733836715324139428 マルチモーダルでないLLMで視覚的な質問に答えられるように、質問に応じて画像処理のPythonプログラムを生成するようファインチューニングを施しておいて、使用する画像処理ライブラリもLLMに若干合わせてる感じ？？？ 2023-03-30T22:07:35Z AI 文章 プログラミング 画像 https://b.hatena.ne.jp/misshiki/20230320#bookmark-4733836715324139428 “ViperGPT は、ビジュアル クエリを解釈可能なステップに分解します。” 2023-03-20T06:40:46Z 自然言語処理 コンピュータビジョン https://b.hatena.ne.jp/satojkovic/20230319#bookmark-4733836715324139428 2023-03-19T00:15:27Z https://b.hatena.ne.jp/xef/20230318#bookmark-4733836715324139428 2023-03-18T08:56:43Z Python MachineLearning