florence 2

微软Florence-2模型概述

• 微软于2024年6月发布了Florence-2，一个轻量级视觉-语言模型，具备强大的零样本和微调能力。28
• Florence-2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结果，适用于图像描述、目标检测、定位和分割等任务。35
• 该模型使用视觉编码器将图像转换为视觉token嵌入，并通过基于Transformer的多模态编码器-解码器处理生成响应。6
• Florence-2在CVPR 2024上展示了其在多种计算机视觉和视觉语言任务上的性能。7
• 模型尺寸小（0.2B和0.7B参数），挑战了传统视觉大模型，展示了模型规模不是决定性能的唯一因素。9