マイクロソフト、軽量ビジョンモデル「Florence-2」をMITライセンスでオープンソース公開
マイクロソフトのAzure AIチームは、単一のテキストプロンプトで画像キャプション、物体検出、領域分割などを処理できる視覚基盤モデル「Florence-2」をHugging Faceで公開した。232Mと771Mという極めて小型のパラメータサイズながら、ゼロショット評価では数十倍から数百倍規模の大規模モデルを上回る精度を達成している。
マイクロソフトのAzure AIチームは、単一のテキストプロンプトで画像キャプション、物体検出、領域分割などを処理できる視覚基盤モデル「Florence-2」をHugging Faceで公開した。232Mと771Mという極めて小型のパラメータサイズながら、ゼロショット評価では数十倍から数百倍規模の大規模モデルを上回る精度を達成している。