跳到正文

Florence-2-large-ft

用提示驱动的视觉与视觉语言任务

访问官网

Florence-2-large-ft 是什么

该模型被介绍为微软开发的视觉基础模型,可用文本提示完成多类视觉与视觉语言任务。

你可以用它做什么

  • 为图像生成文字描述
  • 识别并定位图像中的目标
  • 把图像分割成不同区域或对象

工作方式

  • 先安装 transformers 和 PIL 等库
  • 用处理器载入文本提示与图像
  • 把输入转成模型可接受的格式再运行

优点与缺点

✓ 我们认可的地方

  • 简单文本提示即可驱动多类任务
  • 包含区域提议与区域 OCR

! 需要留意的地方

  • 使用前需安装 transformers 与 PIL
  • 需要同时准备文本提示和图像

常见问题

列出哪些任务?

资料列出图像描述、目标检测、分割、区域提议和 OCR 等任务。

用了什么数据?

资料提到 FLD-5B 含 54 亿个注释、覆盖 1.26 亿张图像。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法