Alibabaが視覚言語モデル「Qwen-VL」をオープンソース公開、画像の読解に対応
Alibabaは金曜日、画像を読み取るオープンソースの視覚言語モデル「Qwen-VL」と「Qwen-VL-Chat」を公開した。高解像度画像の認識に対応し、街頭看板の翻訳や写真からの数式計算、複数画像によるストーリー生成が可能。ModelScopeやHugging Faceで提供される。
Alibabaは金曜日、画像を読み取るオープンソースの視覚言語モデル「Qwen-VL」と「Qwen-VL-Chat」を公開した。高解像度画像の認識に対応し、街頭看板の翻訳や写真からの数式計算、複数画像によるストーリー生成が可能。ModelScopeやHugging Faceで提供される。