Vision-Language Model - 亜美と智也のAI論文解説

7月 30 2026

0

論文図の品質を4軸でスコアリング：SciFigAlignによるマルチモーダル評価手法

投稿者: ユウ

TL;DR SciFigAlignは、論文の図を「明瞭さ」「関連性」「…

7月 30 2026

0

セパレータトークンで視覚トークンを刈り込み、MLLMを高速化するSepPrune

投稿者: ユウ

TL;DR SepPruneは、MLLMの入力シーケンス内にある「モダ…

7月 28 2026

0

一枚画像から物体の質量や密度を推定するSiPhyの仕組み

投稿者: ユウ

TL;DR SiPhyは、単一のRGB画像と深度情報から物体の質量・密…

7月 23 2026

0

画像と質問の順序で精度が変わるVLMの弱点をテスト時間学習で修復

投稿者: ユウ

TL;DR Vision-Language Modelは画像→質問の順…

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 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 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 02 2026

0

AIの診断を数学的に検証！医療レポートの「幻覚」を見抜く新技術

投稿者: ユウ

解説ねえねえ、智也くん！これ、『Toward Guarantees …

2月 03 2026

0

学習いらずで即座に賢くなる！？AIの『その場しのぎ』を最強にする新技術TaTa

投稿者: ユウ

解説ねえねえ智也くん！この『TaTa』って論文、名前が可愛くない？赤…

12月 26 2025

0

AIはイルカを見分けられるか？〜海の専門家になれるか、世界初の試験に挑戦〜

投稿者: ユウ

解説ねえねえ、智也くん！これ見て！『MarineEval: Asse…