로그인
통찰 - 멀티모달 언어 모델
비디오 내용과 일치하는 오디오 생성을 위한 멀티모달 언어 대형 모델 활용
멀티모달 언어 대형 모델을 활용하여 비디오 내용과 일치하는 오디오를 자동으로 생성하는 프레임워크를 제안한다.
다양한 시나리오에서 상호 작용하는 텍스트-이미지 대화를 생성하는 M2Chat: 멀티모달 LLM의 강화
M2Chat은 다양한 시나리오에서 상호 작용하는 텍스트-이미지 대화를 생성할 수 있는 혁신적인 멀티모달 LLM 프레임워크이다.
이미지와 텍스트 입력에 대한 사용자 맞춤형 생성 제어 기능을 제공하는 프롬프트 하이라이터
프롬프트 하이라이터는 사용자가 입력 텍스트나 이미지의 특정 부분을 하이라이트하여 생성 결과를 맞춤형으로 제어할 수 있는 새로운 상호작용 방식을 제공한다.
비주얼 CoT: 멀티모달 언어 모델의 체인-오브-쓰잉 추론 기능 활성화
본 논문은 비주얼 CoT라는 새로운 파이프라인을 제안하여 멀티모달 대형 언어 모델(MLLM)의 추론 기능을 향상시킨다. 이를 통해 MLLM이 시각적 입력에 대한 해석력과 복잡한 시각적 입력에 대한 처리 능력을 개선할 수 있다.
MM1: 대규모 멀티모달 언어 모델 사전 학습의 방법, 분석 및 통찰
대규모 멀티모달 사전 학습을 통해 다양한 아키텍처 구성 요소와 데이터 선택의 중요성을 파악하고, 이를 바탕으로 최첨단 성능의 멀티모달 언어 모델을 구축하였다.
