Back to explore

Protótipo JEV multimodal: perguntas de imagem com caixas delimitadoras

Um protótipo JEV multimodal treinado no CUB-200-2011 com backbone Qwen2.5-VL, respondendo perguntas de imagem com probabilidades de opção e caixas delimitadoras a ~0,4 s por imagem.

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