AIbase
JA
ホーム
Videolisa 3.8B
V

Videolisa 3.8B

ZechenBaiによって開発
このモデルはLLaVA-Phi-3-mini-4k-instructを基に開発されたビデオ言語ガイド推論セグメンテーションモデルで、ビデオ内のオブジェクトセグメンテーションタスクに特化しています。
テキスト生成画像
Safetensors
 英語オープンソースライセンス:Apache-2.0#ビデオ言語ガイドセグメンテーション#マルチモーダル推論#ゼロショット学習
ダウンロード数 247
リリース時間 : 11/25/2024

モデル概要

このモデルは言語ガイドと視覚推論能力を組み合わせ、ビデオ内で正確なオブジェクトセグメンテーションを行うことができます。

モデル特徴

言語ガイド推論
自然言語ガイドによるビデオ内オブジェクトセグメンテーションで、精度と柔軟性を向上させます。
ビデオ処理能力
ビデオデータに最適化され、連続フレーム内のオブジェクトセグメンテーションタスクを処理できます。
マルチモーダル融合
視覚と言語情報を統合し、よりインテリジェントなセグメンテーション判断を実現します。

モデル能力

ビデオオブジェクトセグメンテーション
言語ガイド推論
マルチモーダル処理

使用事例

ビデオ編集
ビデオオブジェクト削除
言語ガイドでビデオ内の特定オブジェクトを削除します。
指定オブジェクトを正確に分割・削除し、背景の完全性を保持します。
自動運転
道路シーン理解
道路上の様々なオブジェクトを識別・分割します。
複雑なシーンに対する自動運転システムの理解能力を向上させます。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
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
English简体中文繁體中文にほんご
© 2025AIbase