Hugging Faceは、最新のiOSアプリケーション huggingsnap を導入しました。 href=”https://huggingface.co/blog/smolvlm2″> smolvlm2 vision-languageモデル、huggingsnapは、ユーザーがオブジェクトを識別し、テキストを読んで、クラウドベースのサーバーで繰り返すことなくシーンを解釈し、プライバシーとレスポンシングなしではプライバシーとレスポーシングなしで大幅に強化されています。
HuggingsNapのコアイノベーションは、コンパクトだが強力な smolvlm2モデル。 src=”data:image/svg+xml; nitro-empty-id=mty4mtoynzm=-1; base64、phn2zyb2awv3qm94psiwidagmjgzidyw ncigd2lkdgg9iji4myigagvpz2h0psi2mdqiihhtbg5zpsjodhrwoi8vd3d3lnczlm9yzy8ymdawl3n2zyi+pc9zdmc+”>
smolvlm2は、2億5600 万、5億、22億パラメーターの3つの構成で利用できます。
基本的なオブジェクト識別を超えて、HuggingSnapを使用すると、ユーザーはユーザーが画像からテキスト情報を解釈し、リアルタイムで詳細な説明を取得できます。視覚障害のあるユーザーは、周囲を独立してナビゲートするための強力なアクセシビリティツールを獲得します。 Faceの最新のマルチモーダルAIモデルを抱きしめ、リソース制約の環境向けに特別に設計されています。 2億5600万から22億パラメーターの範囲のサイズで利用可能なSmolvlm2は、計算負荷を最小限に抑えながら、画像、ビデオ、テキスト入力の解釈など、マルチモーダルタスクを効果的に管理します。 Gemini。
プライバシーは、Huggingsnapのデザイン哲学の中心です。すべての画像処理とAIの計算はローカルで発生するため、ユーザーデータはデバイスを離れることはありません。顔を抱きしめることは、このコミットメントを明示的に強調しています。プライバシーと即時性の明確な利点は、ユーザーがいくつかの実際的な制限を考慮する必要があります。デバイス上のAI操作は、長時間のセッション中にバッテリーの使用量とデバイスの暖房の増加につながる可能性があります。
smolvlm2は驚くべき効率を達成しますが、より複雑な視覚タスクは高性能クラウドモデルと比較して高性能の精度をわずかに低下させる可能性があります。そしてさらなる革新。開発者は、モデルを探索したり、パフォーマンスをテストしたり、 smolvlm2を通じて継続的な開発に貢献したりできます。ユーザーのフィードバックとコミュニティエンゲージメントが成長するにつれて、さらなる改善と機能の拡張が予想されます。
