TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
Itaru Tomita / 冨田到
@itarutomy
リサーチや研究開発向けの生成AIエージェント
@snorbe_ai
を作っています。
@deskrex
| 著書 かんき出版『知的生産でAIを使いこなす全技法』
参加 January 2018
388
フォロー中
2.8K
ファン
Itaru Tomita / 冨田到
@itarutomy
2026.10.22 06:00
画像AIに「何が写っているか」だけでなく、「答えの根拠はどの画素か」まで学ばせるXiaomi-Lens-0の技術報告( Qwen3.5を土台にした40億パラメータのモデル。対象を四角で囲むだけでなく、その形に沿って画素を選ぶマスクを出す。追加の画像エンコーダーで切り抜くのではなく、言葉を生成するときと共有する画像特徴から、軽量なデコーダーでマスクを作る。 面白いのは、この学習が切り抜き以外にも効いていること。RefCOCO系の8つの評価区分では、指示された物の位置を当てるスコアが土台のモデルより平均5.6ポイント改善。物体を数えるCountQAの正解率も43.8%から50.6%になった。 途中の説明に出てくる対象もマスクで示せる。たとえば物を一つずつ数えるなら、それぞれをどの領域として扱ったか確認できる。ただし、推論時に切り抜き画像を再入力しているわけではなく、マスクは文章生成と並ぶ出力になっている。 弱点も残る。独自評価LensBenchでは、対象をはっきり名指す指示より、用途や文脈から対象を推測する指示が難しい。特に、パノラマ画像の中から複数の対象を選ぶ条件で性能が落ちる。 画像全体をもっともらしく説明できることと、小さな対象を正確に数えたり選んだりできることは別。回答文だけでなく、対象の範囲まで学習で合わせるのは、実務で画像AIを使ううえでも大事な方向だと思う。
もっと見る
0
0
0
0
0
コミュニティへ転送
人気のあるユーザー
New York Post
@nypost
4.3M ファン
オリコンニュース
@oricon
2M ファン
ツイッター速報〜BreakingNews
@tweetsoku1
260.1K ファン
TVer新着
@TVer_info
101.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
Reuters
@Reuters
26.5M ファン
First Squawk
@FirstSquawk
579.6K ファン
Bloomberg
@business
10.5M ファン
モデルプレス
@modelpress
2.1M ファン
billboard
@billboard
16.8M ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
ファミ通.com
@famitsu
1.4M ファン
cv usk
@cv_usk
470 ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン
zerohedge
@zerohedge
3.4M ファン