技術評論社『マルチモーダルモデル入門』発売 画像・音・動画・3次元データから統合 … – Ledge.ai

公開コードでは、Transformersを使った日本語対応LLaVA系モデルの実行、個別のタスクに合わせてモデルを追加学習するファインチューニング、視覚トークンに保持 …

元記事を読む（Ledge.ai）