文章だけでなく、画像も解釈できるマルチモーダルに対応したLLMが登場しています。
驚異のAI「llava-llama」は、画像解析を可能にするHugging Faceから入手できるもので、「Large Language and Vision Assistant」の略です。
この技術を活用するには、Ollamaプラットフォームをインストールし、特定のファイルをダウンロードするところからスタートします。
具体的な作業手順を説明し、実際に画像を解釈させるプロセスをお見せします。
実践を通して、AIの画像理解能力を目の当たりにすることでしょう。
出典 : LLMを使って画像の解釈に挑戦、PythonでLLMを動かす方法も https://xtech.nikkei.com/atcl/nxt/column/18/02920/082200003/