F

Ferret UI Llama8b

jadechoghariによって開発
Ferret-UIはユーザーインターフェースに特化した初のマルチモーダル大規模言語モデル(MLLM)で、Llama-3-8Bを基盤として構築され、参照、位置特定、推論などの複雑なUIタスクを実行できます。
ダウンロード数 256
リリース時間 : 10/9/2024

モデル概要

Ferret-UIは、参照、位置特定、推論などのユーザーインターフェース関連タスクを処理するために特別に設計されたマルチモーダル大規模言語モデルです。Llama-3-8Bアーキテクチャを基盤としており、UI画像を理解・分析し、詳細な説明と位置情報を提供できます。

モデル特徴

マルチモーダル能力
視覚と言語処理能力を組み合わせ、UI画像を理解・分析できます。
UIタスク最適化
UI関連の参照、位置特定、推論タスク向けに設計されており、複雑なUI分析を効率的に処理できます。
高精度位置特定
バウンディングボックスによる位置特定をサポートし、UI要素の位置を正確に特定できます。

モデル能力

UI画像分析
テキスト生成
バウンディングボックス位置特定
マルチモーダル推論

使用事例

UI自動テスト
UI要素の位置特定
ボタンやテキストボックスなどのUI内の特定要素を自動識別・位置特定します。
テスト効率と精度を向上させます。
アクセシビリティ
UI説明生成
視覚障害者向けにUIの詳細な説明を生成します。
アクセシビリティ体験を向上させます。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase