O Describe Anything adota uma rota de tecnologia de código-fonte totalmente aberto, fornecendo uma infraestrutura importante para o desenvolvimento de aplicativos no campo da visão computacional. O projeto não apenas expõe os pesos do modelo principal, mas também fornece código de treinamento completo, cadeia de ferramentas de avaliação e documentos de exemplo ricos.
A estratégia de código aberto traz três vantagens significativas: os pesquisadores têm liberdade para modificar a arquitetura do modelo, por exemplo, substituindo codificadores visuais ou ajustando estratégias de decodificação linguística; os desenvolvedores podem criar rapidamente aplicativos verticais com base nos modelos pré-treinados, como sistemas de diagnóstico assistido por imagens médicas; e a comunidade pode comparar objetivamente o desempenho dos diferentes métodos com a ferramenta de avaliação DLC-Bench fornecida.
De acordo com as estatísticas do projeto, mais de 120 aplicativos derivados foram gerados em seis meses após o lançamento do código aberto, abrangendo diversos cenários, como identificação de produtos de varejo e detecção de ambiente de direção autônoma. Esse modelo de compartilhamento aberto reduz significativamente o limite de aplicação da tecnologia de descrição de área e estima-se que economize milhões de dólares em pesquisa básica e custos de desenvolvimento para campos relacionados.
Essa resposta foi extraída do artigoDescribe Anything: uma ferramenta de código aberto para gerar descrições detalhadas de imagens e áreas de vídeoO
