Tham số kỹ thuật
Thông tin cơ bản
- Model
- doubao-seed-2-1-pro-260915
- Tham số chính
- bbox 归一化坐标 1000×1000, 3D bbox 输出 9 参数, point 计数, polygon 文字定位
资料下载
So sánh sản phẩm tương tự
| Thông số kỹ thuật | 本品 · doubao-seed-2-1-pro-260915 | kimi-k3.1-pro | 火山方舟模型 API | qwen-audio-3.1-asr-flash | doubao-seed-2.1-turbo |
|---|---|---|---|---|---|
| Bộ điều khiển chính | — | — | — | — | — |
| NPU | — | — | — | — | — |
| Bộ nhớ / VRAM | — | — | — | — | — |
| Đơn giá tham khảo | Hỏi giá | Hỏi giá | Hỏi giá | Hỏi giá | Hỏi giá |
| Tồn kho | — | — | — | — | — |
Giới thiệu sản phẩm
Visual Grounding là năng lực hiểu hình ảnh được giới thiệu trong tài liệu Volcano Ark: dựa theo yêu cầu nhiệm vụ bằng ngôn ngữ tự nhiên, tìm đối tượng tương ứng trong hình ảnh và trả về tọa độ. Model cần đồng thời có năng lực hiểu hình ảnh và hiểu ngôn ngữ tự nhiên; so với nhận diện đối tượng (object detection), nó có thêm đầu vào ngôn ngữ tự nhiên nên tương tác linh hoạt hơn. Tọa độ được trả về dưới dạng tọa độ tỉ lệ chuẩn hóa về 1000×1000, cần quy đổi theo kích thước thực tế của ảnh. Phù hợp cho các tình huống như định vị vật thể, nhận diện đa đối tượng, trích xuất vị trí văn bản, đếm số lượng và xuất khung 3D; trước khi sử dụng cần kích hoạt nền tảng Ark và lấy API Key.