Llamaが視覚能力を獲得し、デバイス上で動作可能に - Llama 3.2登場
要約を読む要約を閉じる
MetaのLlamaモデルが視覚能力(マルチモーダル機能)を獲得し、Llama 3.2としてデバイス上で動作可能になりました。
Llama 3.2はテキストだけでなく画像も理解し、デバイス上で直接実行できるため、より多様なAIアプリケーション開発が可能になります。
開発者はより高度なAI機能をアプリに組み込みやすくなり、ユーザーはオフラインでも画像認識などのAIサービスを利用できるようになります。
これまでのテキスト処理に加え、画像入力に対応するマルチモーダル機能が追加されました。
Hugging Faceを通じて公開され、様々なデバイスでの動作が想定されています。