三花快讯 · 2024, 6月21日
微软 Florence-2:多功能视觉模型
AI 视觉识别的瑞士军刀
微软开发的 Florence-2 系列模型,使用提示(prompt-based approach)来处理不同的视觉任务。
通过改变提示,模型可以执行不同的任务,例如:
- 描述(Caption)
- 详细描述(Detailed Caption)
- 更详细描述(More Detailed Caption)
- 描述到短语定位(Caption to Phrase Grounding)
- 目标检测(Object Detection)
- 密集区域描述(Dense Region Caption)
- 区域提议(Region proposal)
- 光学字符识别(OCR)
- 带区域的 OCR(OCR with Region)
商业转载请联系三花微信公众号获得授权,非商业转载请注明本文出处及文章链接,您可以自由地在任何媒体以任何形式复制和分发作品,也可以修改和创作,但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。