実践ガイド：ms-swiftを活用したGLM4.5-Vの画像テキスト生成モデルの構築
マルチモーダルAIの高度な学習パイプライン
多模態AI（マルチモーダルAI）の進化に伴い、視覚情報と言語情報を統合し、文脈に即した自然な記述を生成させる技術の重要性が増しています。しかし、画像認識と自然言語生成を融合させるには、データ前処理、分散学習、そして推論環境の構築まで、複雑な工程と膨大な計算リソースが必要となるのが現状です。魔搭（ModelScope） ...
7月15日 20:32 投稿
行政手続きにおける書類画像解析と政策質疑応答：MiniCPM-o-4.5 と FlagOS の実装ガイド
1. 背景とシステム概要
行政窓口における業務処理は、大量の紙媒体書類の核对や、複雑な政策規定に基づく説明対応など、人的コストがかかる作業が多く存在します。職員が書類を手作業で確認し、市民の質問に答えるプロセスは時間がかかり、かつ政策の更新漏れや認識ミスによるリスクも伴います。
この課題を解決するため、マルチモーダル AI 模型を活用した自動化システム ...
5月20日 02:31 投稿