Back to explore

Prototipo JEV multimodal: preguntas de imagen con cajas delimitadoras

Un prototipo JEV multimodal entrenado en CUB-200-2011 con backbone Qwen2.5-VL, que responde preguntas de imagen con probabilidades de opción y cajas delimitadoras a ~0,4 s por imagen.

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…

· 0 likesOpen on X