座標なしで画像を使って考えるAI
原題 Thinking with Images without Coordinates
マルチモーダルLLMは画像で考える手法で推論の忠実性を高めているが、既存手法は明示的な座標に大きく依存している。論文は座標を使わずに画像で思考する方法を提案する。
論点
画像推論に座標指定は不要になるのか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
座標は人間の都合だ。モデルが内部表現で見るほうが柔軟で強い。反対側の視点
座標がなければ根拠を検証できない。説明可能性を捨てるのは後退だ。
みんなのコメント 件
コメントを書く