#vision language models のAIニュース

4件の記事

LensVLM：テキストの圧縮された視覚表現のための選択的コンテキスト拡張

Apple Machine Learning は、画像エンコーダーの解像度限界により文字が判別不能になる問題を解決するため、圧縮度を調整する「選択的コンテキスト拡張」技術を持つ新しいビジョンランゲージモデル「LensVLM」を発表した。

Apple Machine Learning は、強化学習で微調整した視覚言語モデルが、誤ったキャプションや思考連鎖の痕跡といった単純なテキスト摂動に対して脆弱であることを示し、視覚的根拠の弱さやハルシネーションの問題を明らかにしました。

Pulse AI と Amazon Bedrock は、金融機関が毎日処理する複雑な文書の OCR エラーによる連鎖的な計算ミスを防止し、分析精度を向上させるソリューションを提供します。

研究者らは、特定の肌色に偏ったデータが原因で皮膚がんリスクを見逃す可能性のある AI 診断モデルの問題に対し、バイアスを効果的に低減する新しいアプローチを提案した。