Ultralytics YOLO-VLM

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

La maggior parte dei modelli di visione-linguaggio sono grandi e costosi da eseguire continuamente su video. In generale, suddividere il lavoro — un front-end di visione rapido che alimenta un livello linguistico più profondo — mantiene la percezione in tempo reale riservando il calcolo linguistico a dove aggiunge valore. Questa è la forma della pipeline che la roadmap di Ultralytics descrive per YOLO-VLM.

In generale, le pipeline di visione-linguaggio abilitano descrizioni di scene in linguaggio naturale, risposte a domande visive, ricerca a vocabolario aperto sui video e avvisi che spiegano cosa è successo invece di limitarsi a segnalarlo. Il ruolo annunciato di YOLO-VLM è il front-end efficiente per pipeline come queste.

Ultralytics annuncia i tempi di rilascio sulla roadmap ufficiale, che costituisce 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 costruite sul flusso di lavoro di Ultralytics oggi sono posizionate per aggiungere il livello linguistico quando YOLO-VLM verrà rilasciato. Allena e distribuisci ora su Ultralytics Platform.