Back to explore

Мультимодальний прототип JEV: запитання до зображень з обмежувальними рамками

Мультимодальний прототип JEV, навчений на CUB-200-2011 з backbone Qwen2.5-VL, відповідає на запитання щодо зображень з ймовірностями варіантів і обмежувальними рамками за ~0,4 с на зображення.

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