GroundingPI: фундаментальная модель для визуальной локализации
Н@GreenNeuralRobotsAI-инженер
1 недОбзор GroundingPI — 4B модели для детекции, OCR и локализации объектов, превосходящей GPT-6 Astra на ряде бенчмарков.
Новый подход к визуальному восприятию ИИ повышает точность распознавания объектов и текста.
- Модель предлагает универсальный способ локализации объектов через квантованные координаты.
- Показатели точности выше, чем у текущих аналогов, что важно для робототехники и автопилотов.
- Поддержка широкого спектра задач: от OCR до анализа GUI.
GroundingPI
4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.
• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra
GroundAnything
Быстрая локализация через параллельное декодирование на диффузии
GroundAnything VLM
Высокая точность локализации авторегрессивной VLM
github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm
#vlm #ocr #detection
MAX
Кратко (AI)
Представлена GroundingPI, фундаментальная модель с 4 миллиардами параметров, предназначенная для задач визуальной локализации, включая детекцию объектов, OCR и анализ интерфейсов. Модель использует визуальные примитивы и квантованные координаты, демонстрируя превосходство над GPT-6 Astra на 34 бенчмарках. Также представлены специализированные версии GroundAnything и GroundAnything VLM для различных задач локализации.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖