E. Hosonuma, et al. 2025の輪読メモ

セグメンテーション通信について

画像とテキストのマルチモーダルモデルを利用

画像のキャプションに加えて色と構図を増やして,画像生成精度を向上

含まれる要素がセグメントとして認識

それぞれの物体にラベルをつける

セグメントアレイとして送信

構図が分かる

構図は良く取れているが色などの詳細な情報は欠落していそう?

割とざっくりとした色分けだけしているっぽい

何それ