ConTextual teste la capacité des modèles multimodaux à raisonner sur des images textuelles riches. Découvrez les enjeux et résultats clés.
Google dévoile PaliGemma, un modèle vision-langage innovant, capable de révolutionner l'interaction image/texte.
Découvrez comment Florence-2, le modèle vision-langage de Microsoft, élève le fine-tuning au niveau supérieur pour les développeurs.
Granite 4.0 3B Vision excelle dans l'extraction d'infos de documents avec une intelligence multimodale compacte, parfait pour les entreprises.
SigLIP 2 redéfinit la performance des encodeurs vision-langue avec de nouveaux objectifs de formation.
Aya Vision révolutionne l'IA avec des modèles multilingues et multimodaux ouverts, surclassant des concurrents plus grands.