首页
/ Roboflow Inference v0.46.0发布:多模态模型SmolVLM2与工作流增强

Roboflow Inference v0.46.0发布:多模态模型SmolVLM2与工作流增强

2025-06-28 02:48:09作者:董灵辛Dennis

Roboflow Inference是一个开源的计算机视觉推理服务,它允许开发者在本地或云端轻松部署和运行各种计算机视觉模型。该项目提供了从目标检测到图像分类等多种视觉任务的解决方案,并支持与Roboflow平台的无缝集成。

多模态模型SmolVLM2的引入

本次发布的v0.46.0版本最引人注目的新特性是加入了SmolVLM2多模态视觉模型。SmolVLM2是由Hugging Face开发的一款轻量级多模态模型,相较于其他大型多模态模型,它在保持良好性能的同时,能够在资源有限的设备上高效运行。

SmolVLM2支持多种多模态任务,包括:

  • 视觉问答(VQA):根据图像内容回答相关问题
  • 文档OCR:从文档图像中提取文字信息
  • 文档VQA:基于文档内容回答问题
  • 对象计数:统计图像中特定对象的数量

开发者可以通过两种方式使用这一新模型:

  1. 在Roboflow工作流中直接使用:通过图形化界面将SmolVLM2集成到自定义的视觉处理流程中。

  2. 使用Python包调用:通过简单的Python代码即可实现模型调用,示例代码如下:

from PIL import Image
from inference.models.smolvlm.smolvlm import SmolVLM

smol_vlm = SmolVLM(api_key="API_KEY")
image = Image.open("dog.jpeg")
result = smol_vlm.predict(image, "How many dogs are in this image?")
print(result)

工作流功能增强

本次更新还对Roboflow工作流功能进行了增强,特别是Property Definition模块新增了UQL(Unified Query Language)操作,能够从视频帧中提取自视频开始以来的时间信息。这一功能对于视频分析任务尤为重要,例如:

  • 计算特定事件发生的时间点
  • 分析视频中对象运动的时序特征
  • 构建基于时间戳的视频索引系统

性能优化与维护改进

除了新功能的加入,v0.46.0版本还包含了一系列性能优化和维护改进:

  1. 缓存优化:通过缓存'inspect'操作的结果,减少了重复计算的开销,提升了系统响应速度。

  2. 函数参数收集加速:对collect_func_params函数进行了优化,使其运行速度提升了约10%,这对于高频调用的核心函数来说意义重大。

  3. 批处理服务文档完善:更新了批处理服务的相关文档,使开发者能够更清晰地了解和使用这一功能。

  4. 执行时长统计:在性能基准测试中加入了执行时长的统计功能,方便开发者更全面地评估模型性能。

总结

Roboflow Inference v0.46.0版本的发布,为开发者带来了更强大的多模态处理能力和更高效的工作流工具。特别是SmolVLM2的加入,使得在资源受限环境下运行复杂的多模态任务成为可能。同时,各项性能优化和维护改进也进一步提升了系统的稳定性和易用性。

对于计算机视觉开发者而言,这些更新意味着能够构建更复杂、更高效的视觉应用,同时降低了对硬件资源的要求,拓宽了应用场景的范围。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8