Глеб Кудрявцев — мастер AI

Хозяйке на заметку Если решаете задачу анализа изображений, например чертежей, то можно сразу конечно запустить Sota модель со зрением. Например Opus. Только вот на больших картинках он — ленится — ошибается — не умеет в маски и так себе строит bbox В итоге реально я применяю отдельно детекцию сегментов (ковыряю сейчас sam3), которая дает хорошие маски. А затем отдельно же OCR по сегментам и на закуску уже - прохожусь по каждому из них взрослой моделькой чтобы извлечь итоговую семантику. Если вам нужно просто вырезать фотку собачки резвящейся на лугу, то это оверкилл. А вот если работаете со сложной документацией, то только так.