現在、人工知能（AI）の発展は急速に進んでおり、特に視覚情報と言語情報を組み合わせて処理できるVision Language Model（以下、VLM）は、ビジネスに新たな可能性を提供しています。 本記事では、VLMの概要と構造、ビジネス上のインパクトについてご紹介します ...

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 ...

"Structure lost at parsing is structure lost forever — no downstream optimization can recover it." In enterprise RAG pipelines handling complex documents — nested tables, image-embedded tables, ...

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 ...

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 ...

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 ...

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 ...

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 ...

uv run 08-whole-document-qa-sdg.py --vllm-endpoint http://localhost:8000/v1 --seed-path seed_data/seed_whole_document.parquet # Custom model and record count uv run ...