🍏 اپل بی‌سروصدا دو مدل جدید و متن‌باز معرفی کرده: FastVLM و MobileCLIP2 این مدل‌ها تا ۸۵ برابر سریع‌تر و ۳.۴ برابر سبک‌تر از نمونه‌های قبلی هستن، و برای پردازش تصویر با رزولوشن بالا طراحی شدن—مثل OCR، تولید کپشن، Visual Question Answering و درک محتوای تصویری.

مدل FastVLM برای سرعت بالا در inference طراحی شده، در حالی که MobileCLIP2 با معماری بهینه‌شده‌اش، روی دستگاه‌های low-resource هم قابل اجراست.

[X] 📍 @techube