Apples ReALM "ser" bilder på skjermen bedre enn GPT-4
Apples ingeniører har utviklet et AI-system som løser komplekse referanser til enheter på skjermen og brukersamtaler. Den lette modellen kan...
Apple lanserer MM1, sin første familie av multimodale LLM-er
Apple har ennå ikke offisielt lansert en AI-modell, men et nytt forskningsdokument gir et innblikk i selskapets...
AI-app for smarttelefoner kan oppdage depresjon ut fra ansiktsuttrykk
Forskere fra Dartmouth College har utviklet MoodCapture, en smarttelefonapp som bruker kunstig intelligens til å analysere ansiktstrekk for tidlig oppdagelse av...
Meta lanserer V-JEPA, en prediktiv synsmodell
Meta har gitt ut V-JEPA, en prediktiv visjonsmodell som er neste skritt mot Meta Chief AI Scientist Yann LeCuns ...
V* - Multimodalt LLM-veiledet visuelt søk som slår GPT-4V
Forskere fra UC San Diego og New York University har utviklet V*, en LLM-styrt søkealgoritme som er mye bedre enn...
Meta lanserer Ego-Exo4D, et multimodalt persepsjonsdatasett
Opplæring av AI-modeller som GPT-4 har stort sett vært basert på datasett som består av tekst og bilder. Metas Ego-Exo4D multimodale persepsjonsdatasett ...
Forskere bruker syntetiske data til å trene opp AI-klassifisering av bilder
Å trene opp en AI-bildeklassifiserer eller et datasynssystem krever tilgang til et stort datasett med bilder. MIT-forskere har...
Woodpecker kan løse multimodale LLM-hallusinasjoner
Multimodale store språkmodeller (MLLM) som GPT-4V er veldig gode til å analysere og beskrive bilder, men noen ganger hallusinerer de og...
GPT-4s multimodale kapasitet gjør den sårbar for angrep
GPT-4s evne til å behandle bilder er virkelig imponerende, men den nye muligheten åpner modellen for...
Maskinlæring avslører innholdet i gamle skriftruller og steintavler
Luke Farritor, en 21 år gammel informatikkstudent fra University of Nebraska-Lincoln, har avslørt teksten i en karbonisert skriftrull...