コンテンツへスキップ

亜美と智也のAI論文解説

最新AI論文の知見を分かりやすく解説!

タグ: マルチモーダルAI

7月 16 2026
0

VLMのCoT推論は画像を最後まで見直していない:Visual Access Boundaryの発見

投稿者: ユウ

TL;DR Vision-Language Model (VLM) の…

7月 15 2026
0

スポーツ映像理解の新ベンチマーク:複数カメラを活用するエージェントフレームワーク

投稿者: ユウ

TL;DR 既存のMLLMは単一視点の動画理解に優れるが、スポーツでは…

7月 13 2026
0

エッジVLM推論の真のエネルギー消費は「見ること」より「話すこと」が支配的

投稿者: ユウ

TL;DR エッジデバイス上のVLM(視覚言語モデル)のエネルギー消費…

7月 13 2026
0

敵対的攻撃に強いVLMを実現:テスト時プロンプト適応フレームワークRITA

投稿者: ユウ

TL;DR RITAは、CLIPなどのVision-Language …

7月 13 2026
0

VLMの内部表現に正しい数はあるのに出力がズレる——活性化プローブで検出・修正する手法

投稿者: ユウ

TL;DR VLMは物体カウントタスクで誤答しがちだが、中間層の活性化…

7月 12 2026
0

小規模VLM量子化の実践ガイド:コンポーネント別分析とエッジ展開の知見

投稿者: ユウ

TL;DR 3Bパラメータ以下のVLMをJetson Orinエッジデ…

7月 12 2026
0

思考連鎖エントロピーでVLMの幻覚を検出する実践手法

投稿者: ユウ

TL;DR 思考モードVLMでは回答トークンのエントロピーが幻覚検出に…

7月 11 2026
0

非GPU AIアクセラレータの実運用限界:Huawei Ascend 910でMoE・マルチモーダル推論を動かす現場報告

投稿者: ユウ

TL;DR Huawei Ascend 910 16台構成でDeepS…

7月 10 2026
0

幻覚が推論を変える?VLMの「幻覚後推論」を評価するHIVE

投稿者: ユウ

TL;DR Vision-Language Model (VLM) が…

3月 06 2026
0

VLMの幻覚を生成前に検知する手法HALP:内部表現の軽量プローブで効率化

投稿者: ユウ

TL;DR Vision-Language Model (VLM) が…

投稿のページ送り

1 2 次へ

Archives

  • 2026年7月
  • 2026年3月
  • 2026年2月
  • 2026年1月
  • 2025年12月
  • 2025年1月
  • 2024年12月
  • 2024年11月
  • 2024年10月
  • 2024年9月
  • 2024年8月
  • 2024年7月
  • 2024年6月
  • 2024年5月
  • 2024年4月
  • 2024年3月

Categories

  • 3Dモデリング
  • AI
  • テキスト生成
  • 人物-物体相互作用
Proudly powered by WordPress | テーマ: Futurio