Florence

Florence官网链接地址：https://ritt.app/

网站默认显示语言：英语

Florence 介绍

Florence-2是一款创新的视觉基础模型，通过统一的、基于提示的表示方式，可以处理多种计算机视觉和视觉-语言任务。它设计为接受文本提示作为任务指令，并以文本形式生成期望的结果，无论是图像描述、目标检测、定位还是分割。这种多任务学习设置需要大规模、高质量的注释数据。为此，我们共同开发了FLD-5B，它包含了54亿个综合视觉注释，涵盖1.26亿张图像，使用了自动化图像注释和模型细化的迭代策略。

Florence用户群体

Florence-2模型适用于需要处理复杂视觉任务的研究者和开发者，特别是在图像描述、目标检测、视觉定位和分割等领域。它具有多任务学习能力和强大的数据处理能力，成为推动计算机视觉和视觉-语言研究的重要工具。

在图像描述任务中，Florence-2可以根据输入的图像生成准确的描述文本。

在目标检测任务中，Florence-2能够识别图像中的多个对象，并以文本形式报告它们的位置。

在视觉定位任务中，Florence-2能够将文本描述与图像中的特定区域关联起来。

Florence的核心功能

• 文本提示作为任务指令的输入方式。
• 生成文本形式的期望结果，适用于多种视觉任务。
• 大规模、高质量的FLD-5B数据集支持。
• 自动化图像注释和模型细化的迭代策略。
• 序列到序列结构，提高任务的多样性和全面性。
• 零样本和微调能力，适应不同复杂度的任务。