‏🚀 معرفی مدل بصری-زبانی جدید North Micro Vision

‏شرکت Cohere Labs مدل جدید North Micro Vision را با ۲.۴ میلیارد پارامتر معرفی کرده است. این مدل برخلاف نمونه‌های مشابه که تصاویر را فشرده می‌کنند، جزئیات را در رزولوشن اصلی پردازش کرده و برای تحلیل اسناد، جداول و نمودارها بهینه شده است.

‏از ویژگی‌های مهم این مدل می‌توان به موارد زیر اشاره کرد:

‏- قابلیت اجرا روی لپ‌تاپ و دستگاه‌های موبایل به دلیل حجم کم و امکان کوانتایز کردن.
‏- استفاده از معماری نوین برای حفظ جزئیات تصاویر در ابعاد صفحه A4.
‏- عملکرد درخشان در بنچمارک‌های تخصصی مانند DocVQA و ChartQA.
‏- انتشار تحت لایسنس متن‌باز Apache 2.0.

‏این مدل با ترکیب ویژگی‌های SigLIP 2 و معماری اختصاصی North Micro LLM، دقت بالایی در درک متون موجود در تصاویر ارائه می‌دهد. شما می‌توانید جزئیات بیشتر، کدهای مدل و محیط دموی آن را در Hugging Face بررسی کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#North_Micro_Vision #SigLIP_2