مدونة Jev التقنية والوصول المبكر
في نهاية خيط الإطلاق يضع ديوغو روابط إلى المدونة التقنية الرسمية ومدخل الوصول المبكر لمزيد من القراءة.
نموذج JEV متعدد الوسائط مدرب على CUB-200-2011 مع backbone Qwen2.5-VL، يجيب على أسئلة الصور باحتمالات الخيارات ومربعات التحديد بمعدل ~0.4 ثانية لكل صورة.
Built a multimodal JEV prototype that answers image questions with option probabilities and bounding boxes. Trained on CUB-200-2011 with Qwen2.5-VL backbone (0.4s/image) https://github.com/tin-xai/multimodal-jev-grounding…