トピック: Vision Transformer

全セクション横断 2 件

画像用ViTを転用し、ラベルなし動画から特徴を学ぶ手法VideoMSNが登場した。事前学習の回数を最大160分の1に抑えつつ主要ベンチマークで最高性能を達成し、動画AIの開発コストを下げる可能性がある。

米研究チームが開発した新たな注意機構「DnA」が、画像・動画認識AIの精度を最大1.8ポイント改善した。製造業の外観検査や小売の映像解析など、視覚AIを基盤とする業務システムの高度化に直結する成果として注目される。