視覚認識– tag –

Metaが新たに発表した「Segment Anything Model」第3世代は、従来の固定カテゴリに依存せず、オープンボキャブラリーを用いて画像と動画を理解する能力を持っています。この技術により、ユーザーはテキストやビジュアルプロンプトを使って特定の概念を抽出することが可能になります。