Linguaggio, computer vision, audio, multimodale
Quando un modello visione-linguaggio sbaglia un problema di matematica su una figura, il più delle volte ha letto male la…
Un gruppo di Graz rilegge il proprio metodo del 2024 per trovare comportamenti anomali nei video guardando solo le pose:…
I pianificatori di presa per mani robotiche a più dita finiscono quasi sempre per stringere l'oggetto a pugno, perché è…
Le planimetrie nascono vettoriali nei programmi CAD e circolano come immagini, e l'immagine ha perso tutto quello che serviva a…
Un gruppo dell'Università di Washington addestra un world-action model da 6 miliardi di parametri a prevedere non solo i prossimi…
Dire dove sta un oggetto nello spazio, quanto è grande e come è girato, a partire da una sola fotografia:…
I modelli visione-linguaggio indicano un oggetto dettando le coordinate del suo riquadro una alla volta, come si detta un numero…
Molti modelli che leggono documenti guardano la pagina con un occhio addestrato su foto di strade, gatti e automobili. Un…
Il team Robbyant rilascia la seconda versione del suo world model interattivo: un modello causale da 14 miliardi di parametri,…
Il team MiniCPM-o di OpenBMB pubblica un modello aperto da 9 miliardi di parametri che non alterna più ascolto e…
