テクノロジー
Googleのイメージ生成AI「Nano Banana」三兄弟を使いこなす：モデル選択からプロンプト技法まで
Googleが画像生成モデル「Nano Banana」ファミリーの使い分けガイドと本格的なプロンプティングガイドを相次いで公開した。Gemini 3ファミリーの推論能力を基盤とするこのモデル群は、2026年3月時点で3世 […]
Term
Image Grounding
Overview
AIモデルが画像を生成する前段階として、自律的にインターネット上の画像を検索し、対象物の形状や配置などの視覚情報を理解した上で出力に反映させるプロセス。特定の建築物や動植物の正確な描写を可能にする。
Mentioned Articles
1 件External Mentions
5 件- arXiv Reroute, Don't Remove: Recoverable Visual Token Routing for Vision-Language Models
- arXiv World Pilot: Steering Vision-Language-Action Models with World-Action Priors
- arXiv Atlas H&E-TME: Scalable AI-Based Tissue Profiling at Expert Pathologist-Level Accuracy
- arXiv OpenMedReason: Scientific Reasoning Supervision for Medical Vision-Language Models
- arXiv VICX: Generalizable Robot Manipulation via Video Generation and In-Context Operator Network