Ultralytics YOLO-VLM

YOLO-VLMは、効率的なビジョン言語パイプラインのために、より深いLLMレイヤーにデータを供給する軽量なYOLOフロントエンドとして、公式のUltralytics roadmapで発表された近日公開予定のUltralyticsモデルであり、言語モデルに接続された高速な視覚知覚を実現します。

ほとんどのビジョン言語モデルは大規模であり、ビデオ上で継続的に実行するにはコストがかかります。一般的に、作業を分割すること（高速なビジョンフロントエンドがより深い言語レイヤーにデータを供給すること）により、知覚をリアルタイムに維持しつつ、価値を付加する部分のために言語の計算量を温存することができます。それが、Ultralytics roadmapがYOLO-VLMについて説明しているパイプラインの形状です。

一般的に、ビジョン・言語パイプラインにより、自然言語によるシーンの説明、視覚的な質問応答、ビデオに対するオープンボキャブラリー検索、および単にフラグを立てるだけでなく何が起きたのかを説明するアラートが可能になります。YOLO-VLMの発表された役割は、このようなパイプラインのための効率的なフロントエンドです。

Ultralyticsは、公式のroadmapでリリース時期を発表しています。これは、どの機能がいつリリースされるかに関する信頼できる情報源です。ロードマップとUltralytics on GitHubをフォローして、リリースの発表を確認してください。

リアルタイムの知覚レイヤー（検出、セグメンテーション、姿勢推定、トラッキング）にはUltralytics YOLO26から始めてください。現在のUltralyticsワークフローに基づいて構築されたパイプラインは、YOLO-VLMのリリース時に言語レイヤーを追加できるように位置づけられています。Ultralytics Platformで今すぐトレーニングとデプロイを行ってください。