Как вы знаете, один из моих больших интересов — ИИ проектирование и осмечивание, а попросту — нейронки для стройки.

На этой ниве есть успехи, работаю сейчас на дубайских застройщиков, считаем за день то, что команды сметчиков по 20 человек считают неделями.

Но не про это речь.

Мои пайплайны предполагают очень много картинок, поэтому я постоянно тестирую фронтир VLM моделей.

Так вот, Qwen 3.8 Max сейчас лучшая нейронка на рынке по зрению.

Они и раньше неплохо видели, но мне лично важна точность. И это первая нейронка, которая реально научилась расставлять ббоксы не от балды. (ббокс от "bounding box" - квадратики которыми объекты выделяют на изображении)

Почему важны точные ббоксы? Потому что на крупных чертежах это позволяет делать рекурсивный поиск — детектируем общую картину, вырезаем детали, детектируем внутри них и так далее. Крайне востребованный пайплайн.

Нюансы
— на выдачу ббоксов ее нужно промптить. Параметров инференса для этого нет
— модель ест кучу разрешений, но ббоксы склонна выдавать в диапазоне 0-1000, и нуждается в последующей нормализации. Вообще, связка входного разрешения с качеством ббоксов довольно эзотерическая, нужно подбирать.

Но в целом это прям очень крепкий рабочий вариант для медленной качественной детекции объектов.

Пример на фото.