圧縮画像から必要なページだけ解凍する VLM LensVLM-9B、文書解析の処理量を減らす話

モデル

圧縮画像から必要なページだけ解凍する VLM LensVLM-9B、文書解析の処理量を減らす話

スポンサーリンク

LensVLM-9Bが公開。圧縮画像から必要なページだけ解凍する VLM。ライセンスは Apple ML Research License。

この記事のポイント

  • テキスト付き圧縮画像を扱うVLM
  • 関連ページのみを解凍して処理する
  • 5倍〜15倍圧縮の画像で動作確認

数字で見る

この記事に出てくる数字

モデルパラメータ 9B

どこで使えるか

テキスト付き圧縮画像から関連ページだけ解凍して処理したい人向け。 Hugging Faceで公開済み Apple ML Research License準拠

スポンサーリンク

解説

かみくだいて説明します

appleが 2026年 9月 22日に、圧縮画像から必要なページだけ元に戻す 9B の画像言語モデル、LensVLM を公開しました。
必要なページだけ戻すんですか。これまでできなかったことは何ですか?
圧縮率 5x、10x、15x の画像から、モデル自身が学習した機能で必要なページだけを解凍して読み取ります。
5x から 15x で解凍するんですね。作る人に聞くと、動かすのに何が要りますか。
モデルのファイルはアップルの機械学習研究モデル利用規約、ソースコードは別で配られていてアップルのサンプルコード利用規約に従って使えます。
では、ページを選ぶ仕組みはどうなっているんですか。
画像を一度全部解凍するのではなく、目次をざっと見てから読み取るページだけ解凍するイメージです。
目次を見て解凍する感じですね。AIを使う側から見ると、困っていることのどれが減りますか。
圧縮された文書を扱う際、全部を解凍する手間が省けます。必要なページだけ処理すればよいので、読み取りの速度と計算量が抑えられます。
では、研究で使うライセンスはどうなっていますか。
学習モデルのファイルは appleの機械学習研究モデル利用規約、ソースコードは appleのサンプルコード利用規約に従って配布されています。
最後に、何がまだ分からないんですか。
動作環境の仕様や、他の圧縮形式への対応については、そこはまだ分かっていません。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル