Apples ReALM "sieht" Bildschirmanzeigen besser als GPT-4
Apple-Ingenieure haben ein KI-System entwickelt, das komplexe Verweise auf Bildschirmelemente und Benutzergespräche auflöst. Das leichtgewichtige Modell könnte...
Apple enthüllt MM1, seine erste Familie multimodaler LLMs
Apple hat noch kein offizielles KI-Modell veröffentlicht, aber ein neues Forschungspapier gibt einen Einblick in die...
KI-Smartphone-App kann Depressionen anhand von Gesichtsmerkmalen erkennen
Forscher des Dartmouth College haben MoodCapture entwickelt, eine Smartphone-App, die mithilfe von KI Gesichtszüge analysiert, um frühzeitig...
Meta veröffentlicht V-JEPA, ein prädiktives Bildgebungsmodell
Meta hat V-JEPA veröffentlicht, ein Modell für prädiktives Sehen, das der nächste Schritt in Richtung des Projekts von Meta Chief AI Scientist Yann LeCun ist...
V* - Multimodale LLM-geführte visuelle Suche, die GPT-4V übertrifft
Forscher der UC San Diego und der New York University haben V* entwickelt, einen LLM-gesteuerten Suchalgorithmus, der viel besser ist...
Meta veröffentlicht Ego-Exo4D, einen multimodalen Wahrnehmungsdatensatz
Für das Training von KI-Modellen wie GPT-4 wurden bisher hauptsächlich Datensätze verwendet, die aus Text und Bildern bestehen. Der multimodale Wahrnehmungsdatensatz Ego-Exo4D von Meta...
Forscher nutzen synthetische Daten, um KI-Bildklassifikator zu trainieren
Das Training eines KI-Bildklassifizierers oder eines Computer-Vision-Systems erfordert den Zugriff auf einen großen Datensatz von Bildern. MIT-Forscher haben...
Woodpecker könnte multimodale LLM-Halluzinationen lösen
Multimodale Large Language Models (MLLM) wie GPT-4V sind wirklich gut bei der Analyse und Beschreibung von Bildern, aber manchmal halluzinieren sie und...
Die multimodale Fähigkeit des GPT-4 macht es anfällig für Angriffe
Die Fähigkeit des GPT-4, Bilder zu verarbeiten, ist wirklich beeindruckend, aber die neue Fähigkeit öffnet das Modell für...
Maschinelles Lernen enthüllt den Inhalt antiker Schriftrollen und Steintafeln
Luke Farritor, ein 21-jähriger Informatikstudent von der University of Nebraska-Lincoln, hat den Text in einer karbonisierten Schriftrolle enthüllt...