本文へスキップ

Florence-2-base-ft

Microsoft による提示方式の視覚基盤モデル

公式サイトを見る
カテゴリ AI画像生成

Florence-2-base-ft とは

Florence-2 は Microsoft が開発した視覚の基盤モデルと紹介され、提示による方式を採る。簡潔な文章の提示を解し、画像説明・物体検出・分割などをこなす。

できること

  • 画像の内容を文章の説明に替える
  • 物体検出と領域分割を行う
  • 簡潔な文章の提示で課題を実行する

活用場面

  • 研究者が画像の説明的な文を生成する
  • 開発者が画像に物体検出を行う
  • 企業が製品画像へ注釈と説明を付ける

導入の手順

  • requests や PIL などの庫を読み込む
  • AutoModelForCausalLM と AutoProcessor で模型を読み込む
  • 実行する課題の提示を定める

長所と短所

✓ 良い点

  • 簡潔な文章の提示で課題を選べる
  • 資料は独自のコードによる拡張を記す

! 注意したい点

  • 課題は文章の提示で決まる
  • Hugging Face 上のモデルとして配られる

よくある質問

開発者は?

資料は Microsoft を開発者として挙げる。

使うデータは?

資料は 54 億件の注釈と 1 億 2600 万枚の画像を持つ FLD-5B を挙げる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法