LFM2-VL

설치

LFM2-VL에는 채팅 템플릿 백본용 transformers를 가져오는 vlm extra가 필요합니다.

pip install "libreyolo[vlm]"

예측

LibreLFM2VL은 .pt 체크포인트가 아니라 Python 클래스입니다. LibreYOLO() 팩토리로 불러오지 않으며 libreyolo CLI도 이를 해석하지 않습니다. LibreVLM(...) 팩토리(from libreyolo import LibreVLM)도 별칭을 통해 이 계열을 지원합니다. 예를 들어 LibreVLM("lfm2-vl-450m")을 사용할 수 있으며, 아래에서 사용하는 클래스가 이 팩토리의 생성 결과입니다. 가중치는 LibreYOLO 미러가 아니라 Liquid AI 자체 Hugging Face 저장소에서 가져옵니다. 처음 호출할 때 내려받아 로컬에 캐시하며, 내려받기 전에 일회성 라이선스 알림을 기록합니다.

from libreyolo import LibreLFM2VL, SAMPLE_IMAGE model = LibreLFM2VL(size="450m") # 오픈 보캐뷸러리: 고정 클래스 헤드가 아니라 어떤 단어든 작동합니다. 다시# 설정할 때까지 이후의 모든 predict()/track() 호출에서 유지됩니다.model.set_classes(["person", "bicycle", "dog"])result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

from libreyolo import LibreLFM2VL, SAMPLE_IMAGE model = LibreLFM2VL(size="450m") # 탐지 편의 기능 아래의 탈출구: 자유 형식 질문, 개수 세기 또는# 바운딩 박스 래퍼가 다루지 않는 모든 프롬프트text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes에는 다른 모든 계열과 같은 방식으로 파싱된 탐지가 들어 있습니다. 신뢰도는 자리표시자입니다. LFM2-VL은 바운딩 박스별 점수를 출력하지 않으므로 모든 탐지에 동일한 상수 신뢰도가 지정되고, conf=는 해당 상수보다 낮은 행만 제거할 뿐 순위를 지정하지 않습니다. iou는 지정된 겹침을 초과하는 같은 클래스의 거의 중복된 바운딩 박스를 버립니다. 탐욕적 디코딩이 객체를 반복하는 데 따른 부수 효과이며 클래스별 NMS 과정은 아닙니다. set_classes()를 생략하면 보캐뷸러리는 COCO-80 이름을 기본값으로 사용합니다. 소스, 스트리밍, 결과 처리는 예측을 참조합니다.

변형

크기는 450m와 1.6b 두 가지이며 모두 온디바이스 배포용으로 설계된 Liquid AI의 LFM2.5-VL 릴리스에서 가져옵니다. LibreYOLO 벤치마크 하네스는 이 계열을 측정하지 않았으므로 두 크기를 비교할 공개 정확도 수치는 없습니다. 자체 컴퓨팅 예산에 맞춰 크기를 선택합니다.

LibreYOLO는 이 계열에서 예측만 노출합니다. train(), val(), export()는 모두 NotImplementedError를 일으킵니다. 업스트림에서 파인튜닝하고 결과를 대신 불러옵니다. 자리표시자 신뢰도 때문에 COCO mAP가 오해를 일으킬 수 있으므로 데이터셋 검증은 건너뛰며, 추적할 상태 딕셔너리가 없는 생성 모델의 내보내기는 범위를 벗어납니다.

라이선스

인용

@article{liquidai2025lfm2,
 title={LFM2 Technical Report},
 author={Liquid AI},
 journal={arXiv preprint arXiv:2511.23404},
 year={2025}
}