マイクロソフト、画像認識モデル「Florence」をAzureでプレビュー提供 Redditが画像説明生成に採用
マイクロソフトはマルチモーダル視覚モデル「Florence」をAzure Cognitive ServicesのVision APIに統合しプレビュー公開した。Redditが視覚障害者向けの画像説明(alt text)自動生成や検索改善に採用。数十億の画像・テキスト対で学習され、背景除去や動画要約にも対応する。
マイクロソフトはマルチモーダル視覚モデル「Florence」をAzure Cognitive ServicesのVision APIに統合しプレビュー公開した。Redditが視覚障害者向けの画像説明(alt text)自動生成や検索改善に採用。数十億の画像・テキスト対で学習され、背景除去や動画要約にも対応する。