タグ: ビジョンと言語

解説 ねえ、トモヤくん！この「VideoLLM-MoD」っていう論文、面白そうだね！内容教えてくれない？ もちろん。これは、ビジョンと言語の大規模モデルに関する論文なんだ。トークン数を増やすと視覚理解が良くなるけど、計算…