Компьютерное текст-зрение

kvisaz — 27.02.2023 Interrogate CLIP в Stable Diffusion можно было бы адаптировать для слабовидящих, как дополнительное средство распознавания мира. Он, к сожалению, не очень хорошо работает. Вместо одного тапка увидел два, зато правильно описал, что они с мехом и на зеленом полу. Сложные композиции ему тяжелы, но он почти правильно передает настроение.

Я попробовал мобильные приложения с ключевиком Object Detector - они работают еще хуже.

Вот какой концепт для слабо- и невидящих я вижу - оптимизированный вариант CLIP на каком-то мобильном устройстве, с камерой на 360. По запросу/нажатию - ласково шепчет в ухо
- Впереди красное здание на 3 этажа, сзади лес, слева грузовик, справа светофор.

Это может стать очень мощным помощником. Черт побери, да такой помощник помог бы и велосипедистам, и многим другим на трассе, чтобы не оборачиваться, а просто слушать
- Внимание! Сзади резко появилась фура!

Надеюсь, все к тому и придет. Техника подешевеет, а модели распознавания станут еще лучше.

Оставить комментарий

Популярные посты:

• Ранее
• Архив