RU

Как мультимодальные модели научились понимать товар, а не картинку

Почему для понимания товара недостаточно одной фотографии? Проследим, как модели электронной коммерции эволюционировали от визуального поиска и CLIP…

computervisionclipvlmмультимодальные моделираспознавание изображенийраспознавание товаровimage retrievalproduct retrievale-commerceproduct understanding
Habr
RU

Где VLM не читали старых газет: разбираем PereStruct, открытый датасет и модульный парсер

Попробуйте открыть скан советской газеты и прочитать одну статью от начала до конца. Человек быстро замечает крупный заголовок, продо…

computervisionperestructvlmдатасетyoloocryandex ai studiorougebleuбенчмарки
Habr