Un recente studio mostra che i Large Multimodal Models (LMM) sviluppano capacità di grounding visivo anche senza dati supervisionati. Attraverso l’approccio attend-and-segment e il modello DiffLMM, è possibile ottenere segmentazioni accurate migliorando le performance in compiti di visione-linguaggio senza addestramenti specifici.
Previous article![]( "Modelli di linguaggio AI per diagnosi e triage: performance e sfide")
Next article![]( "Campagna AI manipola elettori israeliani sui social")
