Ultralytics YOLO-VLM

YOLO-VLM est un prochain modèle Ultralytics annoncé sur la feuille de route officielle d'Ultralytics comme une interface visuelle YOLO légère alimentant une couche LLM plus profonde pour des pipelines vision-langage efficaces : une perception visuelle rapide connectée à un modèle de langage.

La plupart des modèles vision-langage sont grands et coûteux à exécuter en continu sur de la vidéo. En général, diviser le travail — une interface visuelle rapide alimentant une couche de langage plus profonde — maintient la perception en temps réel tout en réservant le calcul linguistique là où il ajoute de la valeur. C'est la structure de pipeline que la feuille de route d'Ultralytics décrit pour YOLO-VLM.

En général, les pipelines vision-langage permettent des descriptions de scènes en langage naturel, la réponse à des questions visuelles, la recherche à vocabulaire ouvert sur la vidéo et des alertes qui expliquent ce qui s'est passé au lieu de se contenter de le signaler. Le rôle annoncé de YOLO-VLM est d'être le frontal efficace pour des pipelines de ce type.

Ultralytics annonce le calendrier de sortie sur la feuille de route officielle, qui constitue la source faisant autorité concernant les dates de sortie. Suis la feuille de route et Ultralytics sur GitHub pour les annonces de sortie.

Commence avec Ultralytics YOLO26 pour la couche de perception en temps réel : détection, segmentation, pose et suivi. Les pipelines construits sur le flux de travail Ultralytics aujourd'hui sont positionnés pour ajouter la couche de langage lorsque YOLO-VLM sortira. Entraîne et déploie dès maintenant sur la plateforme Ultralytics.