Ultralytics YOLO-VLM

YOLO-VLM è un futuro modello Ultralytics, annunciato nella roadmap ufficiale Ultralytics come un front-end YOLO leggero che alimenta un livello LLM più approfondito per pipeline visione-linguaggio efficienti: percezione visiva rapida collegata a un modello linguistico.

La maggior parte dei modelli visione-linguaggio è di grandi dimensioni e costosa da eseguire continuamente sui video. In generale, suddividere il lavoro — un front-end visivo rapido che alimenta un livello linguistico più approfondito — mantiene la percezione in tempo reale e riserva le risorse di calcolo linguistiche ai casi in cui aggiungono valore. Questa è la struttura della pipeline descritta nella roadmap Ultralytics per YOLO-VLM.

In generale, le pipeline visione-linguaggio consentono di descrivere le scene in linguaggio naturale, rispondere a domande visive, effettuare ricerche a vocabolario aperto nei video e generare avvisi che spiegano cosa è successo anziché limitarsi a segnalarlo. Il ruolo annunciato per YOLO-VLM è fungere da front-end efficiente per pipeline di questo tipo.

Ultralytics annuncia le date di rilascio nella roadmap ufficiale, la fonte autorevole per sapere cosa viene rilasciato e quando. Segui la roadmap e Ultralytics su GitHub per gli annunci di rilascio.

Inizia con Ultralytics YOLO26 per il livello di percezione in tempo reale: rilevamento, segmentazione, posa e tracciamento. Le pipeline create oggi con il workflow Ultralytics sono pronte ad aggiungere il livello linguistico al rilascio di YOLO-VLM. Addestra e distribuisci ora su Ultralytics Platform.