論文の概要: A ROS 2 Wrapper for Florence-2: Multi-Mode Local Vision-Language Inference for Robotic Systems

• arxiv url: http://arxiv.org/abs/2604.01179v1
• Date: Wed, 01 Apr 2026 17:29:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.121433
• Title: A ROS 2 Wrapper for Florence-2: Multi-Mode Local Vision-Language Inference for Robotic Systems
• Title（参考訳）: フィレンツェ2用ROS2ラッパー:ロボットシステムのための多モード局所視覚言語推論
• Abstract要約: 本稿では、3つの相補的な相互作用モードを通してモデルを公開するFlorence-2用のROS 2ラッパーについて述べる。 ラッパーはローカル実行用に設計されており、ネイティブインストールとDockerコンテナのデプロイの両方をサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Foundation vision-language models are becoming increasingly relevant to robotics because they can provide richer semantic perception than narrow task-specific pipelines. However, their practical adoption in robot software stacks still depends on reproducible middleware integrations rather than on model quality alone. Florence-2 is especially attractive in this regard because it unifies captioning, optical character recognition, open-vocabulary detection, grounding and related vision-language tasks within a comparatively manageable model size. This article presents a ROS 2 wrapper for Florence-2 that exposes the model through three complementary interaction modes: continuous topic-driven processing, synchronous service calls and asynchronous actions. The wrapper is designed for local execution and supports both native installation and Docker container deployment. It also combines generic JSON outputs with standard ROS 2 message bindings for detection-oriented tasks. A functional validation is reported together with a throughput study on several GPUs, showing that local deployment is feasible with consumer grade hardware. The repository is publicly available here: https://github.com/JEDominguezVidal/florence2_ros2_wrapper
• Abstract（参考訳）: ファンデーションビジョン言語モデルは、狭いタスク固有のパイプラインよりもリッチなセマンティックな知覚を提供することができるため、ロボット工学にますます関係を増している。 しかし、ロボットソフトウェアスタックへの実践的な採用は、モデル品質のみではなく再現可能なミドルウェアの統合に依存している。 フィレンツェ2はキャプション、光学的文字認識、オープン語彙検出、接地および関連する視覚言語タスクを比較的管理可能なモデルサイズで統合するので、この点において特に魅力的である。 本稿では、連続トピック駆動処理、同期サービス呼び出し、非同期アクションの3つの相補的な相互作用モードを通じてモデルを公開するFlorence-2用のROS 2ラッパーを紹介します。 ラッパーはローカル実行用に設計されており、ネイティブインストールとDockerコンテナのデプロイの両方をサポートする。 また、ジェネリックJSON出力と、検出指向タスクのための標準のROS 2メッセージバインディングを組み合わせる。 機能検証は、いくつかのGPUのスループット調査と合わせて報告されており、ローカルデプロイメントがコンシューマグレードのハードウェアで実現可能であることを示している。 https://github.com/JEDominguezVidal/florence2_ros2_wrapper

関連論文リスト

• Flama: a Python framework for development and deployment of production-ready APIs, machine learning, and LLM services [0.9668407688201359]
  Flamaは、プロダクション対応のWeb API、機械学習サービス、大規模モデル(LLM)アプリケーションの開発とデプロイのためのオープンソースのPythonフレームワークである。 REST API開発、予測モデルの提供、ひとつのアーキテクチャにおける生成AI推論を統合する、型駆動の非同期ファーストプログラミングモデルを提供する。
  論文  参考訳（メタデータ） (2026-08-19T09:37:00Z)
• ServerlessT2I: Efficient Text-to-Image Workflow Serving on a Serverless Platform [12.291915972120902]
  T2I(Text-to-image)は、ユーザがカスタマイズして間欠的に呼び出すことが多いため、サーバレスプラットフォームへのデプロイが増えている。 既存のプラットフォームでは、各ワークフローを不透明なGPU関数としてデプロイし、ワークフロー内のすべての構成モデルをプロビジョニング、配置、スケーリングする。 サーバーレスT2Iは、T2Iワークフローを疎結合のモデル関数に分解し、独立して管理およびスケジュールできるサーバーレスネイティブシステムである。
  論文  参考訳（メタデータ） (2026-07-29T07:39:56Z)
• Specification-Driven DevOps for Multi-Service Environments [0.0]
  大規模言語モデル(LLM)は、リポジトリアーティファクトから実行可能なソフトウェア環境を生成するために、ますます使われています。 本研究では,レポジトリコンテンツを使用したマルチサービスアプリケーション用のDockerfileとDocker Composeを,フロンティアLLMが生成できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-07-27T23:22:44Z)
• COLIP-2: Olfaction-Vision-Language Embeddings [0.0]
  Contrastive Olfaction-Language-Image Pre-Training 2 (COLIP-2) モデルは、視覚と言語の中で、嗅覚を第一級市民として位置づけるマルチモーダル埋め込み空間である。 分子構造、ガスセンサ、匂い記述言語、画像はすべて単一の共有表現空間に訓練され、検出されたアロマをシーン内のオブジェクトに確率的にローカライズすることができる。
  論文  参考訳（メタデータ） (2026-07-20T05:08:03Z)
• A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI models [0.0]
  本稿では,ロボット協調操作のための分散対話フレームワークを提案する。 ローカル言語とビジョン言語モデル(VLM)をロボットオペレーティングシステム2(ROS2)ベースの実行スタックに統合する。
  論文  参考訳（メタデータ） (2026-06-04T12:00:41Z)
• GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
  我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。 eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。 i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
  論文  参考訳（メタデータ） (2026-05-28T01:05:50Z)
• A Serverless Edge-Native Data Processing Architecture for Autonomous Driving Training [0.0]
  本稿では,車載データフィルタリングとユーザ定義関数による処理が可能なエッジネイティブプラットフォームであるフレームワークを紹介する。 NVIDIA Jetson Orin Nano上でフレームワークを評価し、ネイティブのROS 2デプロイメントと比較する。 その結果、競合性能、レイテンシの低減、ジッタが示され、Lambdaベースの抽象化が組み込み自律運転システムでリアルタイムデータ処理をサポートできることが確認された。
  論文  参考訳（メタデータ） (2026-01-30T12:41:11Z)
• TDHook: A Lightweight Framework for Interpretability [0.0]
  ディープニューラルネットワーク(DNN)の解釈可能性 (Interpretability of Deep Neural Networks, DNN) は、視覚と言語モデルの研究による成長分野である。 私たちは、$texttttensordict$をベースとしたオープンソースで軽量で汎用的な解釈可能性フレームワークであるTDHookを紹介します。 コンピュータビジョン、自然言語処理、強化学習、その他のドメインのためにトレーニングできる複雑な構成モデルを扱うことに焦点を当てている。
  論文  参考訳（メタデータ） (2025-09-29T20:28:43Z)
• OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models [58.45517851437422]
  VsTP(Visually-situated text parsing)は、自動化された文書理解の需要が高まり、最近顕著な進歩を遂げている。 既存のソリューションは、タスク固有のアーキテクチャと個々のタスクの目的に依存していることが多い。 本稿では,テキストスポッティング,キー情報抽出,テーブル認識,レイアウト解析など,VsTPの典型的なタスクを統一する汎用モデルであるOmni V2を紹介する。
  論文  参考訳（メタデータ） (2025-02-22T09:32:01Z)
• Not All Prompts Are Made Equal: Prompt-based Pruning of Text-to-Image Diffusion Models [59.16287352266203]
  本稿では,テキスト・ツー・イメージ(T2I)モデルのための新しいプロンプトベースのプルーニング手法であるAdaptive Prompt-Tailored Pruning (APTP)を紹介する。 APTPは入力テキストプロンプトに必要な容量を決定することを学び、それをアーキテクチャコードにルーティングする。 APTPはFID、CLIP、CMMDスコアの点でシングルモデルプルーニングベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-06-17T19:22:04Z)
• Multiscale Vision Transformers meet Bipartite Matching for efficient single-stage Action Localization [27.472705540825316]
  アクションローカライゼーションは、しばしば別々に対処される検出タスクと認識タスクを組み合わせた、困難な問題である。 両タスクを両パートマッチングでトレーニングした単一のMViTv2-Sアーキテクチャが,RoIで事前計算した有界ボックス上でトレーニングした場合,同一のMViTv2-Sを超えることを示す。
  論文  参考訳（メタデータ） (2023-12-29T17:08:38Z)
• MiniGPT-v2: large language model as a unified interface for vision-language multi-task learning [65.60607895153692]
  MiniGPT-v2は、様々な視覚言語タスクをよりよく扱うための統一インターフェースとして扱うことができるモデルである。 モデルをトレーニングする際、異なるタスクに対してユニークな識別子を使うことを提案する。 以上の結果から,MiniGPT-v2は多くの視覚的質問応答および視覚的接地ベンチマークにおいて高い性能を達成できた。
  論文  参考訳（メタデータ） (2023-10-14T03:22:07Z)
• ESPnet-ST-v2: Multipurpose Spoken Language Translation Toolkit [61.52122386938913]
  ESPnet-ST-v2はオープンソースのESPnet-STツールキットを改良したものである。 本稿では,ESPnet-ST-v2の裏側における全体的な設計,各タスクのサンプルモデル,パフォーマンスベンチマークについて述べる。
  論文  参考訳（メタデータ） (2023-04-10T14:05:22Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。