본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

Florence-2 모델

Florence-2는 다양한 비전 및 비전-언어 작업을 처리하도록 설계된 Microsoft의 고급 비전 기초 모델입니다. 캡션 작성 및 객체 탐지와 같은 작업을 위해 프롬프트 기반 접근 방식을 사용하며, 다중 작업 학습을 위해 방대한 데이터 세트를 활용합니다.

모델 보기
공유
모델 보기
공유

Florence-2는 Microsoft에서 개발한 정교한 비전 기초 모델로, Hugging Face에 호스팅됩니다. 다양한 비전 작업을 위한 통합 표현을 발전시키기 위해 설계되었습니다. 이 모델은 캡션 작성, 객체 탐지 및 분할과 같은 다양한 비전 및 비전-언어 작업을 효율적으로 처리하기 위해 프롬프트 기반 접근 방식을 사용합니다. Florence-2는 126백만 개의 이미지에 걸쳐 54억 개의 주석을 포함하는 FLD-5B 데이터 세트를 활용하여 다중 작업 학습에서 뛰어난 성능을 발휘합니다.

더 읽기

모델의 아키텍처는 시퀀스-투-시퀀스(sequence-to-sequence)로, 제로샷(zero-shot) 및 파인튜닝(fine-tuned) 설정 모두에서 우수한 성능을 발휘할 수 있습니다. 이 모델은 간단한 텍스트 프롬프트를 해석하여 다양한 작업을 수행할 수 있는 경쟁력 있는 비전 기초 모델입니다. Florence-2는 4k 컨텍스트 길이로 사전 훈련되었으며, 지속적인 사전 훈련을 위해 1억 개의 샘플만 사용하여 훈련 품질에 영향을 미칠 수 있습니다.

Florence-2의 기능에는 캡션을 구문에 맞추기, 객체 탐지, 밀집 지역 캡션 작성 및 지역 출력을 포함한 OCR 작업 처리 등이 포함됩니다. 제로샷 설정에서의 모델 성능은 주목할 만하며, COCO 및 NoCaps 데이터 세트에서 높은 CIDEr 점수를 기록했습니다. 또한, Florence-2는 다양한 하위 작업에 대해 파인튜닝되어 Florence-2-base-ft 및 Florence-2-large-ft와 같은 모델을 생성하였으며, 이는 다양한 캡션 작성 및 VQA 작업에서 우수한 성능을 발휘합니다.

이 모델은 0.23억 개의 매개변수를 가진 Florence-2-base와 0.77억 개의 매개변수를 가진 Florence-2-large를 포함한 다양한 크기로 제공됩니다. 사용자가 모델을 시작하는 데 필요한 기술 보고서 및 Jupyter Notebook과 같은 리소스도 제공됩니다. Florence-2는 비전 및 비전-언어 작업을 수행하는 연구자 및 개발자에게 귀중한 도구로, 추가 개발 및 응용을 위한 강력한 기반을 제공합니다.

  • 카테고리AI 모델 및 LLM
  • 배포클라우드
  • 플랫폼웹

  • 고급 비전 기초 모델

  • 프롬프트 기반 접근 방식

  • 비전-언어 작업 처리

  • 시퀀스-투-시퀀스 아키텍처

  • 제로샷 및 파인튜닝 설정

  • FLD-5B 데이터 세트 사용

  • 캡션 작성 및 객체 탐지 지원

  • 지역 출력을 포함한 OCR

  1. 페이지 접근: Hugging Face 모델 페이지 방문

  2. 모델 로드: Florence-2 모델 다운로드

  3. 환경 구성: 필요한 종속성 설정

  4. 통합: 애플리케이션에서 모델 사용

  5. 파인튜닝: 특정 작업에 맞게 모델 조정

  • 이미지 캡션 작성
  • 객체 탐지
  • 비전-언어 작업
  • 지역별 OCR
  • 밀집 지역 캡션 작성

Florence-2 모델와(과) 비슷한 인기 AI 도구

Llama-3.2-11B-Vision-Instruct는 시각 인식, 이미지 추론 및 캡션 생성을 위해 설계된 다중 모달 AI 모델입니다. Meta에서 개발하였으며, 텍스트와 이미지 입력을 통합하여 고급 이미지 이해 기능을 제공합니다.

AI 모델 및 LLM
도구 보기

시각 인식, 이미지 추론 및 캡션 생성을 위해 설계된 다중 모달 AI 모델입니다. Meta에서 개발하였으며, 텍스트와 이미지 입력을 통합하여 고급 이미지 이해 기능을 제공합니다.Llama-3.2-11B-Vision-Instruct는 시각 인식, 이미지 추론 및 캡션 생성을 위해 설계된 다중 모달 AI 모델입니다. Meta에서 개발하였으며, 텍스트와 이미지 입력을 통합하여 고급 이미지 이해 기능을 제공합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

Flamingo

AI 모델

Flamingo는 Google DeepMind에서 개발한 단일 비주얼 언어 모델(VLM)로, 다양한 멀티모달 작업에서 소량의 예시만으로 학습하는 데 탁월한 성능을 보입니다. 이미지, 비디오, 텍스트가 혼합된 입력을 처리하여 관련 언어 출력을 생성하며, 추가 학습 없이 최소한의 작업별 예시만으로도 새로운 작업을 수행할 수…

AI 모델 및 LLM
도구 보기

AI 모델

Google DeepMind에서 개발한 단일 비주얼 언어 모델(VLM)로, 다양한 멀티모달 작업에서 소량의 예시만으로 학습하는 데 탁월한 성능을 보입니다. 이미지, 비디오, 텍스트가 혼합된 입력을 처리하여 관련 언어 출력을 생성하며, 추가 학습 없이 최소한의 작업별 예시만으로도 새로운 작업을 수행할 수…Flamingo는 Google DeepMind에서 개발한 단일 비주얼 언어 모델(VLM)로, 다양한 멀티모달 작업에서 소량의 예시만으로 학습하는 데 탁월한 성능을 보입니다. 이미지, 비디오, 텍스트가 혼합된 입력을 처리하여 관련 언어 출력을 생성하며, 추가 학습 없이 최소한의 작업별 예시만으로도 새로운 작업을 수행할 수…

AI 모델 및 LLM
AI 모델 TOP 5 보기

Phi-4-reasoning-vision-15B는 Microsoft에서 개발한 다중 모달 AI 모델로, 비전-언어 이해 및 추론 능력이 필요한 작업을 위해 설계되었습니다. 과학적 추론 및 컴퓨터 사용 에이전트 작업에서 뛰어난 성능을 발휘하여 다양한 응용 프로그램에 적합합니다.

AI 모델 및 LLM
도구 보기

Microsoft에서 개발한 다중 모달 AI 모델로, 비전-언어 이해 및 추론 능력이 필요한 작업을 위해 설계되었습니다. 과학적 추론 및 컴퓨터 사용 에이전트 작업에서 뛰어난 성능을 발휘하여 다양한 응용 프로그램에 적합합니다.Phi-4-reasoning-vision-15B는 Microsoft에서 개발한 다중 모달 AI 모델로, 비전-언어 이해 및 추론 능력이 필요한 작업을 위해 설계되었습니다. 과학적 추론 및 컴퓨터 사용 에이전트 작업에서 뛰어난 성능을 발휘하여 다양한 응용 프로그램에 적합합니다.

추천AI 모델 및 LLM
AI 모델 TOP 5 보기

LLaVA

AI 모델

LLaVA는 범용적인 시각 및 언어 이해를 위해 비전 인코더와 언어 모델을 결합한 대규모 멀티모달 모델입니다. GPT-4를 모방한 멀티모달 채팅 기능에 뛰어나며, 시각적 명령어 튜닝을 통해 Science QA와 같은 벤치마크에서 최첨단 정확도를 달성합니다.

AI 모델 및 LLM
도구 보기

AI 모델

범용적인 시각 및 언어 이해를 위해 비전 인코더와 언어 모델을 결합한 대규모 멀티모달 모델입니다. GPT-4를 모방한 멀티모달 채팅 기능에 뛰어나며, 시각적 명령어 튜닝을 통해 Science QA와 같은 벤치마크에서 최첨단 정확도를 달성합니다.LLaVA는 범용적인 시각 및 언어 이해를 위해 비전 인코더와 언어 모델을 결합한 대규모 멀티모달 모델입니다. GPT-4를 모방한 멀티모달 채팅 기능에 뛰어나며, 시각적 명령어 튜닝을 통해 Science QA와 같은 벤치마크에서 최첨단 정확도를 달성합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

Alibaba의 Qwen3 VL 8B Instruct는 뛰어난 텍스트 이해, 시각적 인식 및 다중 모드 추론을 제공하는 강력한 비전-언어 모델입니다. Dense 및 MoE 아키텍처를 통해 유연한 배포를 지원하며, 다양한 애플리케이션에서 AI 기능을 향상시킵니다.

AI 모델 및 LLM
도구 보기

Alibaba의 Qwen3 VL 8B Instruct는 뛰어난 텍스트 이해, 시각적 인식 및 다중 모드 추론을 제공하는 강력한 비전-언어 모델입니다. Dense 및 MoE 아키텍처를 통해 유연한 배포를 지원하며, 다양한 애플리케이션에서 AI 기능을 향상시킵니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

MiniGPT-4

AI 모델

MiniGPT-4는 고정된 비주얼 인코더와 대규모 언어 모델을 정렬하여 시각-언어 이해를 향상시키는 AI 모델입니다. 상세한 이미지 설명 생성, 초안에서 웹사이트 제작, 이미지에서 영감을 받은 스토리 작성, 시각적 문제 해결 등 고급 멀티모달 기능을 시연합니다.

AI 모델 및 LLM
도구 보기

AI 모델

고정된 비주얼 인코더와 대규모 언어 모델을 정렬하여 시각-언어 이해를 향상시키는 AI 모델입니다. 상세한 이미지 설명 생성, 초안에서 웹사이트 제작, 이미지에서 영감을 받은 스토리 작성, 시각적 문제 해결 등 고급 멀티모달 기능을 시연합니다.MiniGPT-4는 고정된 비주얼 인코더와 대규모 언어 모델을 정렬하여 시각-언어 이해를 향상시키는 AI 모델입니다. 상세한 이미지 설명 생성, 초안에서 웹사이트 제작, 이미지에서 영감을 받은 스토리 작성, 시각적 문제 해결 등 고급 멀티모달 기능을 시연합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

Llama-4-Scout-17B-16E-Instruct는 Meta에서 설계한 다중 모달 AI 모델입니다. 이 모델은 전문가 혼합 아키텍처를 활용하여 고급 텍스트 및 이미지 이해 기능을 제공하며, 다국어 출력과 다양한 응용 프로그램을 위한 미세 조정을 지원합니다.

AI 모델 및 LLM
도구 보기

Meta에서 설계한 다중 모달 AI 모델입니다. 이 모델은 전문가 혼합 아키텍처를 활용하여 고급 텍스트 및 이미지 이해 기능을 제공하며, 다국어 출력과 다양한 응용 프로그램을 위한 미세 조정을 지원합니다.Llama-4-Scout-17B-16E-Instruct는 Meta에서 설계한 다중 모달 AI 모델입니다. 이 모델은 전문가 혼합 아키텍처를 활용하여 고급 텍스트 및 이미지 이해 기능을 제공하며, 다국어 출력과 다양한 응용 프로그램을 위한 미세 조정을 지원합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

Qwen3.5-4B는 고성능 다중 모드 학습을 위해 설계된 비전 인코더가 포함된 인과 언어 모델입니다. 201개 언어를 지원하며 확장 가능한 강화 학습을 위한 효율적인 하이브리드 아키텍처를 제공합니다.

AI 모델 및 LLM
도구 보기

고성능 다중 모드 학습을 위해 설계된 비전 인코더가 포함된 인과 언어 모델입니다. 201개 언어를 지원하며 확장 가능한 강화 학습을 위한 효율적인 하이브리드 아키텍처를 제공합니다.Qwen3.5-4B는 고성능 다중 모드 학습을 위해 설계된 비전 인코더가 포함된 인과 언어 모델입니다. 201개 언어를 지원하며 확장 가능한 강화 학습을 위한 효율적인 하이브리드 아키텍처를 제공합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기
1/8