PixelLLM とは
本モデルは画像の位置推定を扱う視覚と言語のモデルと紹介され、説明文と画素の位置を結び付ける。
できること
- 入力された位置から説明文を生成する
- 入力された文章から画素の座標を生成する
- 密な物体記述を扱う
モデルについて
- 事前学習には Localized Narrative のデータを用いる
- 学習の中で語と画素の対応が身に付く
- RefCOCO と Visual Genome での結果が挙がる
長所と短所
✓ 良い点
- 位置から文章へ、文章から位置への両方向を扱う
- 事前学習で語と画素の対応を身に付ける
! 注意したい点
- 課題は画像の位置推定に集中する
- 名の挙がるデータは RefCOCO と Visual Genome
よくある質問
何を対応させる?
資料は Localized Narrative のデータで語と画素の対応を学ぶと説明。
挙がる課題は?
機能一覧は位置条件の記述、指示による位置推定、密な物体記述を挙げる。
最終評価日: 2026-11-15
その他 AI画像生成 ツール
すべて見る →-
123RF AI 画像ツールを内蔵したストック素材ライブラリ 無料ツール テキストから画像 画像編集 背景除去 画像高画質化 -
360智图 360 製の画像検索・ライセンス・AI 編集 無料ツール テキストから画像 背景除去 商品画像 モデル生成ツール -
360鸿图 中国語話者向けで、中国語のプロンプトに対応する画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール 画像から画像 -
a1.art 顔入れ替え付きのフィルター型画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール -
AI Anime Generator 写真とテキストからアニメ風アートへ フリーミアムツール クリエイターツール テキストから画像 画像から画像 画像から動画 -
AI Art Generator テキストのプロンプトからオリジナル作画の下書きへ フリーミアムツール クリエイターツール テキストから画像 画像編集 アート生成ツール