Why Vision Language Models Ignore What They See [Munawar Hayat] - 758
The TWIML AI Podcast with Sam Charrington · 57:11 · Watch on YouTube
이 TWIML AI 팟캐스트 에피소드에서 Qualcomm AI 연구원 Munawar Hayat은 멀티모달 AI에 관한 Qualcomm의 NeurIPS 논문 3편을 설명합니다. 그의 주요 주장은 오늘날의 비전-언어 및 이미지 생성 모델이 시각 세부 정보의 부족이 아니라 약한 시각 기초로 인해 제한된다는 것입니다. VLM은 보는 것을 무시하는 경향이 있고 언어 모델이 이미 알고 있는 것에서...