CATEGORY

大規模視覚言語モデルは人間のように「地図を読み取って最適なルートを見つける」ことができるのか？

多くの人々は幼少期から地図の読み取り方を身につけており、地下鉄構内の地図を見て目指す出口を探したり、遊園地の地図を見て乗りたいアトラクションへの行き方を調べたり、ロードマップを見て高速道路の入り口を見つけたりすることができます。「大規模視覚言語モデル(LVLM)も人間のように地図を読み取って適切なルートを見つけられるのか」という疑問に取り組むため、研究者らが「MapBench」という新たなベンチマークを考案しました。

続きを読む…


ソース元はコチラ

この記事は役に立ちましたか？

もし参考になりましたら、下記のボタンで教えてください。

フランス政府の「スポーツウェアは3回着てから洗うべし」との指針に対する科学者の見解 - GIGAZINE 前の記事 大量に増えてしまったスプレッドシートのシートを一括削除するGAS 次の記事

関連記事

  • テックニュース

アンデジ(アンパンマンキッズカメラ)で写真賞を受賞する快挙を日本人写真家が成し遂げる – GIGAZINE

子ども向けでありながら、30万画素の写真やフルHDの動画が撮影できるトイカメラ「アンパンマンキッズカメラ」を写真家のかみたば氏が魔改造し、写真を撮影。そのうちの1枚が、ブダペスト国際写真賞でHonorable Mention(選外佳作賞)を受賞したことが分かりました。ア

  • テックニュース

AIで簡単にウェブページ上でさまざまなタスクを実行できるようになる「PageAgent」を使ってみた – GIGAZINE

「PageAgent」は、AIを使って自然言語による指示でさまざまなタスクをウェブページ上で実行できるツールです。ブックマークレットとして登録すればさまざまなページ上で使用できるほか、Chrome拡張機能を使えば複数タブにまたがった操作も可能とのことで、実際に使ってみま

  • テックニュース

AIチャットボットに医療系の相談をする人が増加中だがリスクがあると専門家が警告 – GIGAZINE

近年はOpenAIのChatGPTやGoogleのGeminiなどの生成AIが日常生活に浸透しており、普段からさまざまな質問をチャットAIに投げかけているという人もいます。新たな研究では、多くの人々が医療関連の質問をチャットAIにしていることが判明しましたが、これにはリ