算一下，一碟 15，這是吃了多少？

答：一共14盤，合計(jì)210

AI 是可以拿來(lái)做盤點(diǎn)的

方法：AI 數(shù)的，容我細(xì)細(xì)道來(lái)

字節(jié)發(fā)了新模型

今天是字節(jié)的發(fā)布會(huì)，我去了現(xiàn)場(chǎng)。

豆包 1.5 深度思考模型上線，200B MoE，20B 激活參數(shù)，R1 級(jí)別的性能。

豆包 1.5 深度思考模型上線

但很多人沒(méi)注意到是，伴隨這個(gè)模型的，還有個(gè)有非常趣的小玩意兒：Doubao-1.5-vision-pro。

還有個(gè)視覺(jué)理解模型

仔細(xì)看了文檔后，注意到有這樣一段：

視覺(jué)定位能力大幅提升：支持對(duì)單目標(biāo)、多目標(biāo)、小目標(biāo)等進(jìn)行邊界框或點(diǎn)提示進(jìn)行定位，并支持基于定位進(jìn)行計(jì)數(shù)，給出坐標(biāo)位置，或描述所定位內(nèi)容。支持 3D 定位，可基于圖像進(jìn)行深度預(yù)測(cè)、距離排序、深度比較等。可以廣泛用在各類巡檢等上商業(yè)化場(chǎng)景中。

這是一個(gè)小小的、但很有意義的進(jìn)步：大模型可以給圖片穩(wěn)定打標(biāo)記了

把圖交給它，讓它識(shí)別所有壽司盤的位置，輸出坐標(biāo)。

讓模型獲取坐標(biāo)

有了格式化的坐標(biāo)，只需要一個(gè)腳本就可以標(biāo)注了：設(shè)定線條長(zhǎng)度 200，粗度 10，顏色亮青，文字字號(hào) 70，配了黑色陰影，保證在各種光線下都能看清。

# Reload image again for a clean slate highlighted_image = Image.open(new_image_path) draw = ImageDraw.Draw(highlighted_image) # Define more vibrant color scheme line_color = "#00FFFF" text_color = "#00FFFF" shadow_color = "black" # Draw lines and bright text with shadow for idx, (x, y) in enumerate(scaled_new_points, start=1):     left = x - new_line_length / 2     right = x + new_line_length / 2     top = y - new_line_height / 2     bottom = y + new_line_height / 2     # Draw vibrant line     draw.rounded_rectangle([(left, top), (right, bottom)], radius=new_line_height / 2, fill=line_color)     # Draw text shadow     text_position = (left - 10, y)     shadow_position = (text_position[0] + shadow_offset, text_position[1] + shadow_offset)     draw.text(shadow_position, str(idx), font=large_font, fill=shadow_color, anchor="rm")     # Draw main vibrant text     draw.text(text_position, str(idx), font=large_font, fill=text_color, anchor="rm") # Display updated image with high visibility colors plt.figure(figsize=(10, 8)) plt.imshow(highlighted_image) plt.axis("off") plt.show()

運(yùn)行一下，大功告成。

標(biāo)注好的圖片 視覺(jué)思考的落地

這事兒做完我突然意識(shí)到，

這不就是很多場(chǎng)景下都用得上的“圖像計(jì)數(shù)”嗎？

于是，我測(cè)了幾個(gè)別的：

街頭照片，他知道路牌在哪；

獲取路標(biāo)位置 標(biāo)記好的路牌

或者拿它去標(biāo)注米老鼠的帽子。

眾所周知，初版米老鼠版權(quán)到了

你不用告訴它“那是個(gè)什么”，只要給出目標(biāo)定義或提問(wèn)方式，就能獲得結(jié)果。

小任務(wù)，不小的價(jià)值

多模態(tài)這幾年卷得飛起，但真正能落地的場(chǎng)景并不多：AI 寫詩(shī)、拍題解題，這些看起來(lái)很炫，但離實(shí)際太遠(yuǎn)。

但我們也知道，每刻都有無(wú)數(shù)人在認(rèn)真的應(yīng)對(duì)工作：盤庫(kù)存、數(shù)元件...勞心勞力。那么，這些事情，為什么不交給 AI 呢？

在幾年前，還是 CV 當(dāng)?shù)赖臅r(shí)候，你會(huì)說(shuō)：開(kāi)發(fā)個(gè) AI，可比人力貴多了。

但現(xiàn)在不同了：對(duì)著你的任務(wù)，只需要一個(gè)明確的問(wèn)題，就可以拿到一份標(biāo)注好的信息

誠(chéng)然，單以現(xiàn)在來(lái)看，問(wèn)題也不少：

• ? 角度偏了、光線不均，容易漏標(biāo)；

• ? 目標(biāo)密集時(shí)，編號(hào)會(huì)擠在一起，看不清楚；

• ? 背景復(fù)雜時(shí)，有時(shí)會(huì)誤判或者漏標(biāo)。

這些問(wèn)題都是可以優(yōu)化的。

質(zhì)變已經(jīng)發(fā)生了，量變只是時(shí)間問(wèn)題。 那么，希望硅基大人，日后要好好打工