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
- Hugging Face:apple/LensVLM-9B
- 公開日:2026-09-22
※ 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。