OmniParser: Interactable Region Detection Model
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są OPEN, ale nie opublikowano liczby parametrów. Każda figura dotycząca MEMORY i prędkości zaczyna się od tej liczby, więc wolelibyśmy nic nie pokazywać niż wymyśloną estymację..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Microsoft Research
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 1 August 2024
- Autorzy
- Yadong Lu, Jianwei Yang, Yelong Shen, Ahmed Awadallah
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Object detection
- Model bazowy
- YOLOv8x
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
- Epoki
- 20
"We collect in total of 66990 samples where we split 95% (63641) for training, and 5% (3349) for validation. We train for 20 epochs with batch size of 256, learning rate of 1e−3, and the Adam optimizer on 4 GPUs."
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Zastosowane chipy
- 4
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (unrestricted)
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- OmniParser for Pure Vision Based GUI Agent
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
OmniParser: Interactable Region Detection Model został opublikowany przez Microsoft Research, w kraju zapisanym jako United States of America, podczas August 2024. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie object detection.
Jego punktem wyjścia był istniejący model podstawowy, YOLOv8x. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.
Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta.
Odpowiedzi
OmniParser: Interactable Region Detection Model — częste pytania
OmniParser: Interactable Region Detection Model— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
OmniParser: Interactable Region Detection Model— Jaką GPU potrzebuję, aby ją uruchomić?
Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.
OmniParser: Interactable Region Detection Model— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
OmniParser: Interactable Region Detection Model— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
OmniParser: Interactable Region Detection Model— kto to stworzył?
Zostało opublikowane przez Microsoft Research, oparty na United States of America, organizacja sklasyfikowana jako industry.
OmniParser: Interactable Region Detection Model— kiedy to zostało wydane?
Zostało opublikowane w August 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
OmniParser: Interactable Region Detection Model— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie object detection. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.