• 会員限定
  • 2024/08/15 掲載

Florence-2をわかりやすく解説、なぜマイクロソフトの新AIは軽量でも大規模超えなのか

  • icon-mail
  • icon-print
  • icon-hatena
  • icon-line
  • icon-close-snsbtns
記事をお気に入りリストに登録することができます。
文章生成はもとより、画像生成から、物体検知、キャプション生成、関連質問への回答生成など、AIモデルの進化が加速している。最近特に注目されているのが、小型のオープンソースモデルのパフォーマンスが急速に高まっている点だ。マイクロソフトが最近発表した「Florence-2」は、7億パラメータと非常に小さなサイズでありながら、さまざまな大型モデルを凌駕し、AIコミュニティで高い注目を集めている。Florence-2とはどのようなモデルなのか、その特徴を解説したい。
執筆:細谷 元
photo
マイクロソフトの「Florence-2」の性能とは?
(出典:Hugging Face

マイクロソフトが「Florence-2」とは何か

1ページ目を1分でまとめた動画
 画像認識分野では、これまでタスク特化型のモデルが主流だった。たとえば、物体検出にはYOLOモデル、文字認識にはTesseract OCRなど、特定のタスクに特化したモデルが広く使用されてきた。

 しかし、この状況を大きく変える可能性を持つモデルが登場し、AI開発コミュニティで注目を集めている。マイクロソフトのAzure AIチームが2024年6月にリリースした新しいビジョン基盤モデル(Vision Foundation Model、Vision Language Modelとも言われる)「Florence-2」だ。

 Florence-2は、さまざまなビジョンタスクを統一的かつプロンプトベースで処理できるAIモデル。画像キャプション生成、物体検出、ビジュアルグラウンディング、セグメンテーション、文字認識、などさまざまなタスクに単一モデルで対応できる点が特徴となる。

 Florence-2の開発にあたり、マイクロソフトは54億件のアノテーション(テキストや音声、画像といったデータに、タグやメタデータを付ける作業)を含む大規模ビジュアルデータセット「FLD-5B」を作成し、これを用いてモデルを訓練した。このデータセットに含まれる画像は1億2600万枚に上る。

 同モデルは、2億3200万パラメータと7億7100万パラメータの2つのサイズで開発されたが、いずれも小型で、ローカル環境でも十分に利用することができる。各タスクの精度も高く、遥かに大きなサイズの競合モデルと同等、またはそれ以上の性能を示すことが報告されている。

 以下では、ビジョンタスクのゲームチェンジャーとなり得るマイクロソフトのFlorence-2の詳細を見ていきたい。

画像
マイクロソフトが最近発表した「Florence-2」の特徴を解説
(Photo:Below the Sky / Shutterstock.com)

Florence-2の特徴

 Florence-2の最大の注目点は、非常にコンパクトなサイズながら、数十億パラメータを持つ大型モデルに匹敵する性能を有していることだろう。

 このコンパクトさにより、コンシューマー向けPCなどのローカル環境でも利用可能となっている。また、多様なビジョンタスクをワンストップで実行できる点、そして商用利用可能なオープンソースとして公開されている点も特筆に値する。

 Florence-2が小型でありながら、幅広いビジョンタスクに高い精度を発揮できる理由の1つは、訓練に使用されたデータセット「FLD-5B」にある。

 このデータセットは、1億2600万枚の画像に対して5億件のテキストアノテーション、13億件の領域テキストアノテーション、36億件のテキストフレーズ領域アノテーションを含む、包括的なもの。これらのアノテーションは、画像レベル、領域レベル、ピクセルレベルの多様な空間階層をカバーしている。

画像
データセットのアノテーション階層

 Florence-2の訓練プロセスも興味深い。マイクロソフトは、専門モデルによる初期アノテーション、データフィルタリングによるエラー修正と不適切なアノテーションの除去、そして反復的なデータ精製プロセスを経て、高品質なデータセットを構築した。

 この過程で、人間による労働集約的な手動アノテーションに頼らず、専門モデルを用いて自律的にアノテーションを生成する手法を採用。これにより、アノテーション生成の時間とコストを大幅に削減しつつ、大規模なデータセットを迅速に構築することが可能になったという。

画像
データセット構築プロセス
【次ページ】筆者がパフォーマンス比較、少ないパラメータでも大型を凌駕

関連タグ タグをフォローすると最新情報が表示されます
あなたの投稿

    PR

    PR

    PR

処理に失敗しました

人気のタグ

投稿したコメントを
削除しますか?

あなたの投稿コメント編集

機能制限のお知らせ

現在、コメントの違反報告があったため一部機能が利用できなくなっています。

そのため、この機能はご利用いただけません。
詳しくはこちらにお問い合わせください。

通報

このコメントについて、
問題の詳細をお知らせください。

ビジネス+ITルール違反についてはこちらをご覧ください。

通報

報告が完了しました

コメントを投稿することにより自身の基本情報
本メディアサイトに公開されます

必要な会員情報が不足しています。

必要な会員情報をすべてご登録いただくまでは、以下のサービスがご利用いただけません。

  • 記事閲覧数の制限なし

  • [お気に入り]ボタンでの記事取り置き

  • タグフォロー

  • おすすめコンテンツの表示

詳細情報を入力して
会員限定機能を使いこなしましょう!

詳細はこちら 詳細情報の入力へ進む
報告が完了しました

」さんのブロックを解除しますか?

ブロックを解除するとお互いにフォローすることができるようになります。

ブロック

さんはあなたをフォローしたりあなたのコメントにいいねできなくなります。また、さんからの通知は表示されなくなります。

さんをブロックしますか?

ブロック

ブロックが完了しました

ブロック解除

ブロック解除が完了しました

機能制限のお知らせ

現在、コメントの違反報告があったため一部機能が利用できなくなっています。

そのため、この機能はご利用いただけません。
詳しくはこちらにお問い合わせください。

ユーザーをフォローすることにより自身の基本情報
お相手に公開されます