Artigos mais recentes para Modelos de visão-linguagem

Sistema inovador usa modelos avançados para avaliações eficazes de segurança no trânsito.

Esse artigo analisa o progresso dos modelos de visão-linguagem e suas capacidades de raciocínio.

Um novo método localiza eventos em vídeos usando grandes modelos pré-treinados sem treinamento específico.

O dataset MAPWise desafia modelos com perguntas baseadas em mapas e avalia suas habilidades de raciocínio.

Novo método melhora a precisão na classificação de cenas de sensoriamento remoto usando relações contextuais.

Um novo método melhora a classificação de tecidos cancerígenos usando modelos de visão-linguagem.

Um novo método melhora a precisão da segmentação usando os modelos SAM e CLIP.

Estudo investiga como VLMs classificam estilos de arte e atributos.

RPP melhora o ajuste e a generalização em Modelos de Visão-Linguagem usando prompts refinados.

Novos métodos melhoram como os robôs pegam objetos planos.

Novos adaptadores aumentam as capacidades de segmentação de imagem dos modelos de visão-linguagem.

Uma nova abordagem aprimora a conexão entre imagens e texto em VLMs.

Uma nova abordagem melhora a análise de sobrevivência na pesquisa do câncer usando dados visuais e de linguagem.

Um novo método melhora a habilidade de pegada dos robôs usando comandos em linguagem natural.

Explorando como modelos de linguagem melhoram as tecnologias de direção autônoma.

Pesquisas mostram como os robôs conseguem navegar melhor usando plantas baixas e modelos de linguagem visual.

Novos métodos melhoram a eficiência e as habilidades de aprendizado dos aspiradores inteligentes.

O SMART melhora a segmentação de vocabulário aberto ao aprimorar as técnicas de classificação de máscaras.

Esse estudo apresenta o BiMI pra melhorar sistemas de recompensa em aprendizado por reforço.

Novo modelo permite que robôs aprendam ações a partir de vídeos, melhorando o desempenho nas tarefas.

Uma nova estrutura melhora a conexão entre imagens e texto.

Um novo método melhora o reconhecimento de objetos usando máscaras sem rótulos detalhados.

Um jeito de melhorar o desempenho do modelo, mesmo com rótulos de dados errados.

Uma nova estratégia combina treinamento generativo e discriminativo em Modelos de Visão-Linguagem.

A pesquisa examina como os VLMs interpretam e entendem gráficos em comparação com as habilidades humanas.

Uma nova abordagem pra melhorar os VLMs e dar uma mão pros usuários com deficiência visual.

Aprenda como melhorar modelos de imagem-texto e reduzir erros comuns.

Agora os robôs conseguem aprender tarefas melhor através da rotulagem de recompensas automatizada.

Uma visão geral das forças e fraquezas dos Modelos de Visão-Linguagem de hoje.

LLaVA melhora a Resposta a Perguntas Visuais misturando a potência local do dispositivo com o processamento em nuvem.

Um olhar sobre como o VLM melhora as tarefas de navegação dos robôs.

Um novo método melhora a precisão e transparência no diagnóstico de lesões de pele para os médicos.

Uma visão geral do treinamento de modelos de linguagem e visão e sua importância.

Carros autônomos estão se adaptando às suas preferências pra uma viagem mais segura.

Um novo método melhora a compreensão dos elementos da tela pelos computadores.

As máquinas aprendem a localizar objetos em imagens usando técnicas inovadoras.

A FOCUS simplifica o reconhecimento de objetos com técnicas de comunicação fáceis de usar.

Um novo método ajuda os computadores a identificar objetos usando menos imagens e uma linguagem simples.

O GEOBench-VLM avalia modelos para interpretar dados e imagens geoespaciais.

O COSMOS melhora a capacidade da IA de entender imagens e texto juntos.