DAM 3B
DAM-3Bは30億パラメータの視覚言語モデルで、ユーザーが指定した画像領域に基づいて精密な局所記述を生成できます。
ダウンロード数 1,417
リリース時間 : 4/21/2025
モデル概要
このモデルは、ユーザーが点/枠/落書き/マスク形式で指定した画像領域を入力として受け取り、画像の精密な局所記述を生成します。革新的なフォーカスプロンプトメカニズムとゲーテッドクロスアテンションで強化された局所視覚バックボーンを通じて、全体のコンテキストと細粒度の局所詳細を統合します。
モデル特徴
精密な局所記述
ユーザーが指定した任意の画像領域に対して詳細な記述を生成可能
多様な領域指定形式
点、枠、落書き、マスクなど様々な形式で注目領域を指定可能
フォーカスプロンプトメカニズム
革新的な注意メカニズムで全体コンテキストと局所詳細を統合
ゲーテッドクロスアテンション
強化された局所視覚バックボーンで記述品質を向上
モデル能力
画像領域記述生成
多様な領域入力処理
細粒度視覚理解
使用事例
コンピュータビジョン研究
精密な画像理解
モデルの画像局所詳細理解能力を研究するために使用
支援技術
視覚支援記述
視覚障害者向けに画像特定領域の詳細記述を提供
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