ShowUI

ShowUIは、指示の対象を画像上の点として特定します。

タスク: point detection
サイズ: 2b at 1344 px
インストール: pip install "libreyolo[vlm]"
サポートティア: 姉妹ティア、v1.6.0以降。独自のファクトリと契約を持つ、独立した製品インターフェースです。
アップストリーム: ShowUI authorsのShowUI、MIT。論文、ソース
ライセンス: コード：MIT、重み：MIT。商用利用

インストール

bash

pip install "libreyolo[ground]"

推論

Python

from libreyolo import LibreGround, SAMPLE_IMAGE model = LibreGround("showui-2b", device="cpu")result = model(SAMPLE_IMAGE, prompt="the person")print(result.points.xy)

1回の呼び出しにはprompt=またはquery=を使い、指示を保持するにはset_query()を使ってください。1枚の画像に複数の指示を渡すと、クエリごとに最大1つのクリック位置を返します。画像リストやフォルダーを対象に複数のクエリを渡すと、エラーになります。座標は元の画像を基準とします。学習、検証、エクスポートには対応していません。グラウンディングAPIを参照してください。

ライセンス

ダウンロードする特定の重みについて、Hugging Faceリポジトリのライセンスを確認してください。LibreYOLO orgの各チェックポイントにはライセンスが付与されており、同じファミリー内でも常に同一とは限りません。そのリポジトリが正式な情報源です。以下の概要は、このページを最後に検証した時点で適用されていた内容を示します。

これは関連するライセンスの説明であり、法的助言ではありません。商用上重要な場合は、自分でライセンスを読み、専門家の助言を受けてください。

原著作物: ShowUI, ShowUI authors
アップストリームのライセンス: MIT
アップストリームのソース: github.com/showlab/ShowUI
LibreYOLOのコード: MIT
重み: MIT、著者が配布。LibreYOLOではホストもミラーもしていません。
解釈: The model publisher declares MIT.

引用

@misc{lin2024showui,
      title={ShowUI: One Vision-Language-Action Model for GUI Visual Agent}, 
      author={Kevin Qinghong Lin and Linjie Li and Difei Gao and Zhengyuan Yang and Shiwei Wu and Zechen Bai and Weixian Lei and Lijuan Wang and Mike Zheng Shou},
      year={2024},
      eprint={2411.17465},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2411.17465}, 
}

著者によるraw.githubusercontent.com/showlab/ShowUI/main/README.mdの引用ブロックからコピーしています。

インストール

推論

ライセンス

引用

ShowUI のアーキテクチャ