ローカルで実行可能なQwen3-VL（8B）がOllamaライブラリに登録されたので、利用してみました。ただし、ollamaバージョンはプレリリース版（0.12.7rc0以降）を利用する必要があります。 VLMとは、Vision Language Modelで、大規模言語モデルに、視覚機能を持たせたAI ...

この資料では、VLM（大規模視覚言語モデル）の基礎から、LLM（大規模言語モデル）とVLMの違い、開発ステップや業界・分野での活用事例など、詳細な情報をわかりやすくまとめています。 特に、画像を用いた検索・解析や、画像処理と言語処理を統合したAI ...

あなたは、目の前の光景をAIに「見て」もらい、その状況を「言葉で」詳しく説明してもらった経験はありますか？あるいは、曖昧な指示を言葉で伝えただけで、AIがその意図を汲み取り、理想の画像を生成してくれたことは？ これらはSFの世界の話ではあり ...

前回までは「gpt-oss-20b」を使ってテキストデータを用いたLLMの活用方法を解説してきた。テキストデータだけでも十分活用できるが、欲を言えば画像や動画、音声なども取り扱えるようにしたいところだろう。 そんな方に朗報だ。LM Studioではテキストデータ ...

ソフトバンクの子会社でAIの研究開発などを手掛けるSB Intuitions（東京都港区）は6月17日、大規模視覚言語モデル（VLM）の基礎などをまとめた資料「大規模視覚言語モデルの開発」を無料公開した。5月に開催した人工知能学会全国大会（JSAI）の講演で使用し ...

生成AI技術で柔軟性の高い異常監視を実現 「ANOMALY WATCHER」とVLMの連携により新たな検知手法を提供 キヤノンマーケティングジャパングループのキヤノンITソリューションズ株式会社（本社:東京都港区、代表取締役社長:金澤 明、以下キヤノンITS）は、製造 ...

株式会社日立ソリューションズ・テクノロジー(本社：東京都立川市、取締役社長：平間 顕一、以下、日立ソリューションズ・テクノロジー)は、映像や画像とテキストを統合的に理解するVision Language Model(以下、VLM)技術を活用し、フロントラインワーカーに ...

VLM（視覚言語モデル）は、画像や動画を見て人間のように対話できる革新的なAIです。その基本構造から学習方法、ビジネス導入の勘所、そして未来の可能性までを、専門知識がない方にも分かりやすく解説します。 VLMの核心に迫る――視覚と言語を繋ぐ ...