# オープン語彙検出

YOLOE はゼロショット物体検出モデルで、視覚シーン中の様々な物体をリアルタイムに検出できます。

AIMv2はマルチモーダル自己回帰目標で事前学習された視覚モデルシリーズで、多くのマルチモーダル理解ベンチマークで優れた性能を発揮します。

AIMv2はマルチモーダル自己回帰目標で事前学習された視覚モデルシリーズで、複数の視覚理解ベンチマークで優れた性能を発揮します。

AIMv2はマルチモーダル自己回帰目標事前学習に基づく視覚モデルシリーズで、多くの視覚タスクで優れた性能を発揮します。

ViTamin-XL-256pxはViTaminアーキテクチャに基づく視覚言語モデルで、効率的な視覚特徴抽出とマルチモーダルタスク向けに設計されており、高解像度画像処理をサポートします。