misshikiのブックマーク - はてなブックマーク

SSII2024 [OS2] 大規模言語モデルとVision & Languageのこれから
1. RefEgo: Referring Expression Comprehension Dataset from First-Person Perception of Ego4D, Shuhei Kurita, Naoki Katsura, Eri Onami, (ICCV2023). 2. ScanQA: 3D Question Answering, Daichi Azuma(*), Taiki Miyanishi(*), Shuhei Kurita(*) and Motoaki Kawanabe. (CVPR2022). (*): eq. cont. 3. Generative Language-Grounded Policy in Vision-and-Language Navigation with Bayes’ Rule, Shuhei Kurita and Kyunghyu
misshiki 2024/06/17
全15ページのスライド資料。

コンピュータビジョン

自然言語処理
リンク
SSII2024 [SS2] 最適輸送の基礎から最近の動向まで
9 National Institute of Informatics POT の使用例: 簡単に使えます • POT ライブラリを使えば簡単に最適輸送を求められる • 数値例: 二つの正規分布からの点群の比較 import numpy as np import matplotlib.pyplot as plt import ot # POT ライブラリ n = 100 # 点群サイズ mu = np.random.randn(n, 2) # 入力分布 1 （青） nu = np.random.randn(n, 2) + 1 # 入力分布 2 (オレンジ） a = np.ones(n) / n # 点重み (1/n, ..., 1/n) b = np.ones(n) / n # 点重み (1/n, ..., 1/n) C = np.linalg.norm(nu[np.newaxis] -
misshiki 2024/06/14
全36ページのスライド資料。

数理最適化
リンク
SSII2024 [SS1] 拡散モデルの今　〜 2024年の研究動向〜
Scaling Rectified Flow Transf ormers for High-Resolution Image Synthesis / Stable Diffusion 3
misshiki 2024/06/14
全31ページのスライド資料。

コンピュータビジョン

ディープラーニング
リンク
SSII2023 [TS1] Vision Transformerの歩みとこれから
© Seitaro Shinagawa, NAIST 品川政太朗（しながわせいたろう）と申します奈良先端科学技術大学院大学先端科学技術研究科知能コミュニケーション研究室助教 • Vision and Language（画像と言語の融合領域） • 対話システム CV最前線Winter2021 CVIMチュートリアル1 「ニュウモンVision and Language」 CV最前線Summer2023 「フカヨミCLIP」 Vision Transf ormer入門 7章8章を担当 1/59
misshiki 2023/07/10
全61ページのスライド資料。

Transformer

コンピュータビジョン
リンク
SSII2023 [SS1] 拡散モデルの基礎とその応用 ~Diffusion Models入門~
スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)
misshiki 2023/06/16
全38ページのスライド資料。

コンピュータビジョン
リンク
1