Pular para o conteúdo principal
ToolPotion
Consultor de IA
Enviar

Modelo Florence-2

Florence-2 é um modelo avançado de fundação visual da Microsoft, projetado para lidar com uma variedade de tarefas de visão e linguagem-visual. Ele utiliza uma abordagem baseada em prompts para tarefas como legendagem e detecção de objetos, aproveitando um vasto conjunto de dados para aprendizado multitarefa.

Ver modelo
Compartilhar
Ver modelo
Compartilhar

Florence-2 é um sofisticado modelo de fundação visual desenvolvido pela Microsoft, hospedado no Hugging Face. Ele foi projetado para avançar uma representação unificada para uma variedade de tarefas de visão. O modelo emprega uma abordagem baseada em prompts para lidar de forma eficiente com uma ampla gama de tarefas de visão e linguagem-visual, como legendagem, detecção de objetos e segmentação. Florence-2 aproveita o conjunto de dados FLD-5B, que contém 5,4 bilhões de anotações em 126 milhões de imagens, para se destacar no aprendizado multitarefa.

Ler mais

A arquitetura do modelo é sequencial, permitindo que ele tenha um bom desempenho tanto em configurações de zero-shot quanto em configurações ajustadas. É um modelo de fundação visual competitivo, capaz de interpretar prompts de texto simples para executar várias tarefas. Florence-2 foi pré-treinado com um comprimento de contexto de 4k, utilizando apenas 0,1 bilhão de amostras para o pré-treinamento contínuo, o que pode afetar a qualidade do seu treinamento.

As capacidades do Florence-2 incluem lidar com tarefas como a vinculação de legendas a frases, detecção de objetos, legendagem de regiões densas e OCR com saída de região. O desempenho do modelo em configurações de zero-shot é notável, com altas pontuações CIDEr nos conjuntos de dados COCO e NoCaps. Além disso, Florence-2 foi ajustado em uma coleção de tarefas de downstream, resultando em modelos como Florence-2-base-ft e Florence-2-large-ft, que apresentam bom desempenho em várias tarefas de legendagem e VQA.

O modelo está disponível em diferentes tamanhos, incluindo Florence-2-base com 0,23 bilhões de parâmetros e Florence-2-large com 0,77 bilhões de parâmetros. Recursos como relatórios técnicos e Jupyter Notebooks estão disponíveis para os usuários começarem a trabalhar com o modelo. Florence-2 é uma ferramenta valiosa para pesquisadores e desenvolvedores que trabalham em tarefas de visão e linguagem-visual, oferecendo uma base robusta para desenvolvimento e aplicação adicionais.

  • CategoriaModelos de IA e LLMs
  • ImplantaçãoNuvem
  • PlataformasWeb

  • Modelo avançado de fundação visual

  • Abordagem baseada em prompts

  • Lida com tarefas de linguagem-visual

  • Arquitetura sequencial

  • Configurações de zero-shot e ajustadas

  • Utiliza o conjunto de dados FLD-5B

  • Suporta legendagem e detecção de objetos

  • OCR com saída de região

  1. Acessar página: Visite a página do modelo Hugging Face

  2. Carregar modelo: Baixe o modelo Florence-2

  3. Configurar ambiente: Configure as dependências necessárias

  4. Integrar: Use o modelo em aplicações

  5. Ajustar: Ajuste o modelo para tarefas específicas

  • Legendagem de Imagens
  • Detecção de Objetos
  • Tarefas de Linguagem-Visual
  • OCR com Região
  • Legendagem de Regiões Densas

De Microsoft

Avaliações de Modelo Florence-2

Carregando...

Ferramentas de IA populares como Modelo Florence-2

Llama-3.2-11B-Vision-Instruct é um modelo de IA multimodal projetado para reconhecimento visual, raciocínio de imagem e legendagem. Desenvolvido pela Meta, integra entradas de…

Modelos de IA e LLMs
Ver ferramenta

Modelo de IA multimodal projetado para reconhecimento visual, raciocínio de imagem e legendagem. Desenvolvido pela Meta, integra entradas de…Llama-3.2-11B-Vision-Instruct é um modelo de IA multimodal projetado para reconhecimento visual, raciocínio de imagem e legendagem. Desenvolvido pela Meta, integra entradas de…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Flamingo

Modelos de IA

Flamingo é um único modelo de linguagem visual (VLM) do Google DeepMind que se destaca no aprendizado few-shot em diversas tarefas multimodais. Ele processa imagens, vídeos e…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Único modelo de linguagem visual (VLM) do Google DeepMind que se destaca no aprendizado few-shot em diversas tarefas multimodais. Ele processa imagens, vídeos e…Flamingo é um único modelo de linguagem visual (VLM) do Google DeepMind que se destaca no aprendizado few-shot em diversas tarefas multimodais. Ele processa imagens, vídeos e…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Phi-4-reasoning-vision-15B é um modelo de IA multimodal desenvolvido pela Microsoft, projetado para tarefas que requerem compreensão de linguagem-visual e capacidades de…

Modelos de IA e LLMs
Ver ferramenta

Modelo de IA multimodal desenvolvido pela Microsoft, projetado para tarefas que requerem compreensão de linguagem-visual e capacidades de…Phi-4-reasoning-vision-15B é um modelo de IA multimodal desenvolvido pela Microsoft, projetado para tarefas que requerem compreensão de linguagem-visual e capacidades de…

DestaqueModelos de IA e LLMs
Ver o Top 5 de Modelos de IA

LLaVA

Modelos de IA

LLaVA é um modelo multimodal grande que combina um codificador de visão com um modelo de linguagem para compreensão visual e de linguagem de propósito geral. Ele se destaca em…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo multimodal grande que combina um codificador de visão com um modelo de linguagem para compreensão visual e de linguagem de propósito geral. Ele se destaca em…LLaVA é um modelo multimodal grande que combina um codificador de visão com um modelo de linguagem para compreensão visual e de linguagem de propósito geral. Ele se destaca em…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Qwen3 VL 8B Instruct da Alibaba é um poderoso modelo de linguagem-visual que oferece uma compreensão superior de texto, percepção visual e raciocínio multimodal. Ele suporta uma…

Modelos de IA e LLMs
Ver ferramenta

MiniGPT-4

Modelos de IA

MiniGPT-4 é um modelo de IA que aprimora a compreensão visão-linguagem ao alinhar um codificador visual congelado com um modelo de linguagem grande. Ele pode gerar descrições…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo de IA que aprimora a compreensão visão-linguagem ao alinhar um codificador visual congelado com um modelo de linguagem grande. Ele pode gerar descrições…MiniGPT-4 é um modelo de IA que aprimora a compreensão visão-linguagem ao alinhar um codificador visual congelado com um modelo de linguagem grande. Ele pode gerar descrições…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Llama-4-Scout-17B-16E-Instruct é um modelo de IA multimodal desenvolvido pela Meta. Ele utiliza uma arquitetura de mistura de especialistas para fornecer capacidades avançadas de…

Modelos de IA e LLMs
Ver ferramenta

Modelo de IA multimodal desenvolvido pela Meta. Ele utiliza uma arquitetura de mistura de especialistas para fornecer capacidades avançadas de…Llama-4-Scout-17B-16E-Instruct é um modelo de IA multimodal desenvolvido pela Meta. Ele utiliza uma arquitetura de mistura de especialistas para fornecer capacidades avançadas de…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Modelo Qwen3.5-4B

Modelos de IA

Qwen3.5-4B é um modelo de linguagem causal com um codificador de visão, projetado para aprendizado multimodal de alto desempenho. Suporta 201 idiomas e oferece uma arquitetura…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Qwen3.5-4B é um modelo de linguagem causal com um codificador de visão, projetado para aprendizado multimodal de alto desempenho. Suporta 201 idiomas e oferece uma arquitetura…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA
1 de 8