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

Steam・Discord・Twitch・RedditのCEOがユーザーの「過激化」について議会で証言するよう求められる – GIGAZINE

2025年09月18日 11時30分 メモ オンラインでユーザー同士がコミュニケーションを取れるプラットフォームで、ユーザーの過激化が進んでいる可能性があるとして、下院監視・政府改革委員会が4つのプラットフォームの最高経営責任者(CEO)を公聴会に

  • テックニュース

さまざまなAIをWindowsのローカルPCで動かせる「Run llama.cpp Portable Zip on Intel GPU with IPEX-LLM」がDeepSeekにも対応したことをIntelが発表

近年、高度な生成AIや大規模言語モデルが多数登場していますが、それらを動作させるには高価なGPUなど、相応の機器が必要となります。しかし、Intelが提供するPyTorch用エクステンションの「IPEX-LLM」では、Intel製ディスクリートGPUなどでGemmaやL

  • テックニュース

Xで無料で使える高性能AI「Grok 4 Fast」登場、検索性能はChatGPTやGeminiより高くXの無料ユーザーも利用可能

イーロン・マスク氏がCEOを務めるAI企業「xAI」が、低コストかつ高性能なAIモデル「Grok 4 Fast」を2025年9月19日に発表しました。Grok 4 FastはGrok 4と同等性能かつ低コストなモデルとしてアピールされており、検索性能ではChatGPTやGeminiを抑えて現行モデ