本文へスキップ

GLEE

画像と動画に向けた汎用の物体基盤モデル

公式サイトを見る

glee とは

本モデルはさまざまな媒体で物体の位置づけと認識を統一する基盤モデルと説明されている。

できること

  • 画像の中で物体の場所を定める
  • 動画を通して物体を追いかける
  • 物体を捉える課題に適用する

注意点

  • マルチモーダル入力に対応する
  • ゼロショット移送が能力に挙がる
  • 異なる監視水準が組み合わされる

長所と短所

✓ 良い点

  • ゼロショット移送と汎化が挙がる
  • 拡張性と頑強さが利点に記される

! 注意したい点

  • 範囲は媒体をまたぐ物体認識に寄る
  • 学習は異なる監視水準の情報を混ぜる

よくある質問

扱う課題は?

資料では検出、分割、追跡、認識が挙がる。

学習の方法は?

資料では監視水準の異なる情報を合わせて学習すると記される。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法