树莓派上都能运行的最强视觉小模型Moondream迎来更新，目光检测成为最大亮点

文章预览

近日，曾在温哥华NIPS大会获得广泛关注的最强开源微型视觉理解模型（VLM）Moondream迎来更新，项目提供两个版本：2B 和0.5B 模型，其中0.5B版本号称全球最小的视觉语言模型。该模型能够在各类设备上高效运行，实现图像理解、文本识别、目标检测、定位等多种功能。 其中，2B版本性能接近QWen2-VL 2B，但是它需要的内存却只有4.3G，而0.5B要求就更低了。它 不仅能够在个人电脑就可运行，甚至手机或者一些边缘设备上（如树莓派）也能够运行，并且已适配webGPU，这意味着浏览器里也能高效运行。 本次团队带来四大关键更新： 结构化数据输出：支持 JSON 、XML 、Markdown等多种格式 2.优化 OCR 文本识别能力 3.创新性 引入 目光检测 （Gaze Detection）技术 4.全面提升性能基准测试指标 尤其是目光检测功能堪称亮点，可精准分析人们的视线焦点，在自动驾驶、零售 ………………………………