苹果公司新开源机器学习模型Ferret，可实现图像中任意粒度的元素识别和查询
talkingdev • 2023-12-26
773095 views
苹果公司和康奈尔大学的研究人员于10月份发布了一个名为Ferret的开源多模态LLM模型。Ferret是一个系统，可以在图像中的任何位置引用和定位任何东西，并以任何粒度进行查询。该模型可以检查图像上绘制的区域，确定其内部对于用户查询有用的元素，识别这些元素，绘制一个包围检测到的元素的边界框，并回答有关这些元素的问题。Ferret的发布表明，苹果公司正在开始更加开放其人工智能领域的工作。
核心要点
- Ferret是一个开源的多模态LLM模型，可以实现图像中任意粒度的元素识别和查询。
- Ferret模型可以检查图像上绘制的区域，确定其内部对于用户查询有用的元素，识别这些元素，绘制一个包围检测到的元素的边界框，并回答有关这些元素的问题。
- 苹果公司的Ferret模型的发布表明，其正在开始更加开放其人工智能领域的工作。