Des chercheurs d'Apple proposent une pensée visuelle internalisée pour le raisonnement vidéo proactif
· By Antonio Sedino, CTRO · Published by Reinventy Solutions Corp.
Nouvelle approche au-delà de la chaîne de pensée visuelle en générant des représentations internes pour le raisonnement spatial, temporel et incarné.
Les modèles multimodaux de grande taille utilisent de plus en plus la chaîne de pensée visuelle (Visual CoT) pour raisonner sur des environnements spatiaux, temporels et incarnés. En générant des images de raisonnement intermédiaires, Visual CoT offre un mécanisme intuitif pour la vision anticipée, mais introduit une charge d'inférence substantielle, qui est particulièr... La nouvelle approche va au-delà de la chaîne de pensée visuelle en générant des représentations internes pour le raisonnement spatial, temporel et incarné.
Read the original source at Apple Machine Learning Research ↗