InternVL とは
本モデルは ViT を拡張し言語モデルと位置合わせして構築したオープンソース視覚基盤モデルと紹介されている。資料が挙げる課題は視覚知覚、モーダル横断検索からマルチモーダル対話にまで及ぶ。
できること
- 画像分類を行う
- 意味分割を行う
- 動画の分類を行う
- 画像と文章の検索、視覚言語のモデル化を行う
使用例
- InternViT-6B を使って画像を分類する
- InternVL-C で画像と文章の検索を行う
- InternVL-Chat で視覚質問応答を行う
モデルについて
- ViT を 60 億パラメータへ拡張
- 視覚モデルと言語モデルを位置合わせ
- 14B のオープンソース視覚基盤モデルを構築
- 資料が幅広い課題で 32 件の SOTA 性能を列挙
長所と短所
✓ 良い点
- 60 億パラメータの視覚モデルと言語モデルの位置合わせ
- 分類・検索・視覚質問応答に具体の系列を挙げる
! 注意したい点
- 挙がる用例は特定のモデル系列に結びつく
- 視覚の課題は言語モデルとの位置合わせを伴う
よくある質問
モデルの規模は?
資料は ViT を 60 億パラメータへ拡張し、言語モデルと合わせて 14B の基盤モデルとしたと説明。
挙がる対象分野は?
資料はコンピュータビジョン研究とマルチモーダル応用開発を挙げる。
最終評価日: 2026-11-15
その他 AI画像生成 ツール
すべて見る →-
123RF AI 画像ツールを内蔵したストック素材ライブラリ 無料ツール テキストから画像 画像編集 背景除去 画像高画質化 -
360智图 360 製の画像検索・ライセンス・AI 編集 無料ツール テキストから画像 背景除去 商品画像 モデル生成ツール -
360鸿图 中国語話者向けで、中国語のプロンプトに対応する画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール 画像から画像 -
a1.art 顔入れ替え付きのフィルター型画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール -
AI Anime Generator 写真とテキストからアニメ風アートへ フリーミアムツール クリエイターツール テキストから画像 画像から画像 画像から動画 -
AI Art Generator テキストのプロンプトからオリジナル作画の下書きへ フリーミアムツール クリエイターツール テキストから画像 画像編集 アート生成ツール