[논문 리뷰] Diffusion Bridge: Leveraging Diffusion Model to Reduce the Modality Gap Between Text and Vision for Zero-Shot Image Captioning Diffusion Bridge: Leveraging Diffusion Model to Reduce th...

[논문 리뷰] Vision-Language-Vision Auto-Encoder: Scalable Knowledge Distillation from Diffusion Models Vision-Language-Vision Auto-Encoder: Scalable Knowledge Distillation from Diffusion Models ...

[논문 리뷰] Scaling Rectified Flow Transformers for High-Resolution Image Synthesis Visual Representation Alignment for MLLMs Patrick Esser, et al ICML 2024 [arXiv] [Github] [Hugging Face]...

Diffusion 기반 LLM: 구조, 특성 및 최신 연구 동향 1. Diffusion 기반 언어모델의 구조와 작동 원리 Diffusion 모델의 개념: Diffusion(확산) 모델은 점진적 노이즈 제거 과정을 통해 데이터를 생성하는 방식입니다. 처음에는 완전히 노이즈가 섞인 상태에서 시작하여 여러 단계에 걸쳐 노이즈를 제거함으로써 최종 샘플(텍...

LLaMA와 다른 대표 언어모델들의 차이점 사전학습 목표: BERT는 Masked Language Modeling(입력 단어의 15%를 마스킹한 후 예측)과 Next Sentence Prediction(NSP)를 사용하여 양방향 문맥 이해를 학습한다 . 반면 GPT·LLaMA 계열은 오토리그레시브 방식으로, 주어진 앞선 단어들로부터 다음 단어(...

[논문 리뷰] Visual Representation Alignment for MLLMs Visual Representation Alignment for MLLMs Heeji Yoon, Jaewoo Jung et al [arXiv] [Github] [Project Page] Background MLLMs MLLM은 텍스트와 이...

[논문 리뷰] Comprehensive Information Bottleneck for Unveiling Universal Attribution to Interpret Vision Transformers Comprehensive Information Bottleneck for Unveiling Universal Attribution to Int...

[논문 리뷰] Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction Keyu Tian, Yi ...

[논문 리뷰] Sigmoid Loss for Language Image Pre-Training Sigmoid Loss for Language Image Pre-Training Xiaohua Zhai et al ICCV 2023 [arXiv] [Github] Background Contrastive Learning 은 pa...

[논문 리뷰] Do Vision Transformers See Like Convolutional Neural Networks? Do Vision Transformers See Like Convolutional Neural Networks? Maithra Raghu, Thomas Unterthiner, Simon Kornblith, Chiy...