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

ゼットンの火球を打ち返して星に届けるブラウザゲーム「ゼットンの1兆度ホームラン競争」に挑んでみた

ゼットン星人となり、ゼットンが吐き出す火球を打ち返して宇宙の彼方の星に届けるゲーム「ゼットンの1兆度ホームラン競争」が公開されました。端的にいえば「くまのプーさんのホームランダービー！」のゼットンアレンジ版で、宇宙恐竜を相手とするためか「超凶悪難易度」とうたわれているので、挑戦してみました。続きを

  • テックニュース

スマホ・PC間で同期できる無料の二要素認証アプリ「Proton Authenticator」レビュー、Android・iOS・Windows・macOS・Linux対応で他アプリからの移行も簡単

二要素認証の手段として「一定時間ごとに変化するワンタイムコード」を用いる場合、ワンタイムコードを表示するアプリの選定も必要となります。ワンタイムコードを表示できるアプリはGoogle製のものやMicrosoft製のものなど数多く存在していますが、アプリごとに同期の仕組みが異なっていたり、対応OSが

  • テックニュース

ChatGPTにGPT-4oでの画像生成機能が実装されスタジオジブリ風のミーム画像が大量生成されるようになり著作権問題が浮き彫りに – GIGAZINE

2025年3月26日、OpenAIがGPT-4oによる高精度な画像生成機能「4o Image Generation」を発表しました。4o Image GenerationはチャットボットのChatGPTでも利用可能となっているのですが、これを使ったスタジオジブリ風のミーム画像が大量生成されており

  • テックニュース

360度くるっと回してどこからでも見やすい「タブレットスタンド(回転式・アルミ製) PDA-STN87S」を使ってみた – GIGAZINE

タブレットを支えるツールとしては、タブレットをがっちりつかんで保持するタブレットアームや卓上に置いて使うタブレットスタンドがあります。サンワサプライの「タブレットスタンド(回転式・アルミ製) PDA-STN87S」は、台座の軸を360度回して向きを変えられるのが特徴のス