D

DAM 3B

nvidiaによって開発
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
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