miu4930 https://blog.hatena.ne.jp/miu4930/ Vポイントマーケティング｜TECH LABの Tech Blog https://techblog.vpoint.co.jp/ マルチモーダルAI 画像解析 こんにちは、CCCMKホールディングス TECH LABの三浦です。 すっかり秋めいてきました。この時期は着る服に困ることが多く、着すぎると暑いし、着ないと寒いです。考えるのがだんだん面倒になってしまい、気が付くといつも同じ服を着てしまいます。 さて、人が周囲から情報を得るための基本的な形式として言語(テキスト)と画像が挙げられます。この2つの形式のデータを同時に扱うことが出来ると、たとえば質問文に対して画像で回答したり、画像に対して説明文を生成するタスクに活用が出来ます。 最近、OpenAIがGPT-4 with vision (GPT-4V)というマルチモーダルAIを発表しました。どんなこ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.vpoint.co.jp%2Fentry%2F2023%2F10%2F23%2F160542" title="BLIP: Bootstrapping Language-Image Pre-trainingモデルをFine-Tuningして果物と野菜の数を数えてみました。 - Vポイントマーケティング｜TECH LABの Tech Blog" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/m/miu4930/20231023/20231023122335.jpg Hatena Blog https://hatena.blog 2023-10-23 16:05:42 rich https://techblog.vpoint.co.jp/entry/2023/10/23/160542 1.0 100%