Qwen2.5-VL

Qwen2.5-VL 是阿里云开发的多模态大语言模型系列，在 2025 年 1 月发布。它是 [[Qwen-VL]] 的最新版本，在视觉理解、文本识别、目标检测、图像分割等任务上都有显著提升。

安装

可以使用 [[ollama]] 安装:

1
ollama pull qwen2.5-vl

使用

坐标输出漂移

在 [[ollama]] 中运行 qwen2.5vl:32b 测试后发现，把输入图像分辨率预先调整到 1000 内是最合适的（不一定是正方形，只要最长的一边不要超过 1000）

• 关于模型进行坐标输出的问题（绝对坐标/归一化坐标）
• Grounding 归一化问题
• 消失仨月断更博主复更🤣之记一次Qwen2.5-VL的微调爬坑实录

参考

• QwenLM/Qwen2.5-VL: Qwen2.5-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud.