บล็อกเทคนิค Jev และการเข้าถึงล่วงหน้า
ท้ายเธรดเปิดตัวของ Diogo มีลิงก์ไปยังบล็อกเทคนิคทางการและทางเข้า early access สำหรับอ่านต่อ
ต้นแบบ JEV แบบหลายรูปแบบที่ฝึกบน CUB-200-2011 ด้วย backbone Qwen2.5-VL ตอบคำถามภาพพร้อมความน่าจะเป็นของตัวเลือกและกรอบล้อมในเวลา ~0.4 วินาทีต่อภาพ
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…