# ビジョンモデル

InternViT-6B-448px-V2_5は、InternViT-6B-448px-V1-5をベースとしたビジョンモデルです。ViT増分学習とNTP損失（Phase 1.5）を用いることで、ビジョンエンコーダーによる視覚特徴抽出能力が向上しました。特に、多言語OCRデータや数学図表など、大規模ネットワークデータセットにおいて表現不足になりやすい分野において効果を発揮します。このモデルはInternVL 2.5シリーズの一部であり、前世代と同様の「ViT-MLP-LLM」モデルアーキテクチャを維持しつつ、増分学習済みInternViTと様々な事前学習済みLLM（InternLM 2.5やQwen 2.5など）を統合し、ランダム初期化されたMLPプロジェクターを使用しています。

SapiensビジョンモデルはMeta Reality Labsによって開発され、2Dポーズ推定、ボディパーツセグメンテーション、深度推定、サーフェス法線予測など、人間の視覚タスクの処理に特化しています。3億枚を超える人間の画像でトレーニングされており、高解像度画像処理能力を備え、データが不足している状況でも優れたパフォーマンスを発揮します。シンプルで拡張性に優れ、パラメータ増加による性能向上も顕著で、複数のテストにおいて既存の基線モデルを上回っています。

Florence-2は、マイクロソフトが開発した高度なビジョン基礎モデルであり、プロンプトベースのアプローチを用いて幅広いビジョンおよびビジョン言語タスクを処理します。このモデルは、簡単なテキストプロンプトを解釈し、記述、物体検出、セグメンテーションなどのタスクを実行できます。5億4000万枚の画像と54億個の注釈を含むFLD-5Bデータセットを使用して学習されており、マルチタスク学習に長けています。シーケンスツーシーケンスアーキテクチャにより、ゼロショットおよびファインチューニング設定の両方で優れた性能を示し、競争力のあるビジョン基礎モデルであることが証明されています。

Florence-2-largeは、マイクロソフトが開発した高度なビジョン基礎モデルです。プロンプトベースのアプローチを採用し、幅広いビジョンおよびビジョン?言語タスクに対応します。このモデルは、シンプルなテキストプロンプトを解釈して、画像キャプション生成、物体検出、セグメンテーションなどのタスクを実行できます。5億4千万枚の画像に54億個の注釈が付いたFLD-5Bデータセットを活用し、マルチタスク学習に長けています。シーケンスツーシーケンスアーキテクチャにより、ゼロショットおよびファインチューニング設定の両方で優れたパフォーマンスを発揮し、競争力のあるビジョン基礎モデルであることが証明されています。