Застосування великих мовних моделей до мультимодального аналізу зображень з Google Street View
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Розглядається застосування великих мовних моделей для вирішення задачі визначення географічного положення на основі аналізу зображень з Google Street View. Основна ідея полягає в тому, щоб інтегрувати популярні у наш час мовні моделі із модулем аналізу візуального контексту та просторових ознак, доповнюючи їх механізмом точного перетворення географічних координат у пікселі для нанесення на навігаційну мапу та перевірки якості прогнозу за допомогою онлайн-ресурсу GeoGuessr. Прогнози моделей можуть слугувати основою для побудови вузькоспеціалізованої моделі у майбутньому та її навчання методом дистиляції знань.
Опис
Ключові слова
комп’ютерний зір, велика мовна модель (LLM), Google Street View, аналіз зображень, геолокація
Бібліографічний опис
Савчук, В. Ю. Застосування великих мовних моделей до мультимодального аналізу зображень з Google Street View / В. Ю. Савчук, Н. І. Недашківська // Теоретичні і прикладні проблеми фізики, математики та інформатики : матерiали XXIII Всеукраїнської науково-практичної конференцiї студентiв, аспiрантiв та молодих вчених, [Київ], 14−17 травня 2025 р. / КПІ ім. Ігоря Сікорського. – Київ, 2025. – С. 368-371.