I ricercatori di Apple propongono un pensiero visivo internalizzato per il ragionamento video proattivo
· By Antonio Sedino, CTRO · Published by Reinventy Solutions Corp.
Il Apple Machine Learning Research introduce un metodo oltre la visual chain-of-thought, consentendo ai modelli di internalizzare il pensiero visivo per il ragionamento video proattivo senza generare immagini di ragionamento intermedie.
Multimodal large language models increasingly use visual chain-of-thought (Visual CoT) to reason about spatial, temporal, and embodied environments. By generating intermediate reasoning images, Visual CoT provides an intuitive mechanism for visual foresight but introduces substantial inference overhead, which is partic...
Read the original source at Apple Machine Learning Research ↗