Linguaggio, computer vision, audio, multimodale
Abbiamo provato Indra OCR, l'OCR di Datalab che gira su CPU senza GPU, su pagine in italiano contro Tesseract. Velocità,…
Che un modello sappia cose diverse a seconda della lingua è noto. Sette ricercatori misurano un'altra cosa: che sa fare…
Quarantamila ticket, dieci anni di verbali, l'archivio di una newsletter: raccogliere testo è facile, sapere di cosa parla è un…
Molti modelli video "open" pubblicano solo i pesi. VideoChat3 dichiara aperto tutto il processo — e introduce due accorgimenti per…
Nel 2022 OpenAI addestra un modello di riconoscimento vocale su 680.000 ore di audio raccolto dal web e lo fa…
AlphaFold 2 predice la struttura tridimensionale di una proteina a partire dalla sua sequenza di amminoacidi, con un'accuratezza che nel…
Nel 2022 Stable Diffusion rende la generazione di immagini eseguibile su una scheda grafica di casa. Il merito è di…
Prendi una foto, aggiungi un pizzico di rumore mille volte finché non resta che neve televisiva. E se una rete…
Nel 2021 OpenAI mostra un classificatore di immagini che nessuno ha addestrato a classificare. Il segreto è mettere parole e…
Nel 2020 un gruppo di Google tolse le convoluzioni dalla visione artificiale e diede a un Transformer, nato per il…
