20250709_MacStudioとLlama-4Maverickでローカル画像認識

https://genaianalyticstokyo.connpass.com/event/357598/

Transcript

1. Mac Studio 512GB x Llama-4 maverickで ローカル画像認識 2025/7/9 ⼤城 信晃
2. ChatGPT-4Visionの頃のこちらの論⽂ • 2023年10⽉ごろに MSから出た検証論 ⽂ • 今回はそれをローカ ルLLMでどれくらい 再現できるか試して みたいと思います ( 抜粋しつつ検証 ) • https://arxiv.org/abs/2309.17421
3. Mac Studio 512GB x Llama-4 maveric
4. LM Studio上でLlama-4を動かして 画像とプロンプトを セットに⼊れて性能検証
5. トマト個数判定 (△) 初回は５個でNG リテイクさせると６個で正解
6. ID認識(◦) (たまにミス)
7. 図形類推(◎) (ノーヒント⼀発なので4Vより良い)
8. リンゴ個数判定 (△) (リテイクで正解)
9. ポイント判定(◦)
10. アナログメーター判定(×) (one-shotもNG)
11. 料理判定(◦)(検索なし)
12. ⾻折判定(◦)
13. ドラレコ判定(◎)
14. ⾷物連鎖 判定(◦)
15. プロファイリング(△)
16. ⽂字判定(◦)
17. ⼿書き⽂字判定(◦)
18. ⼿順判定(◦)
19. アスキーアート 判定(×)
20. 表情認識(◦)
21. 間違い探し(△)
22. ヘルメット検出(◎)
23. バスケット判定(△)
24. 事故⾞レポート(◦)
25. 家族認識(◦) (リンダは読み間違え)
26. ロボット視点(△) (リビングルームはどこ？ )
27. まとめ • カウント系はやや弱い印象 • 図形判定やドラレコ認識などはGPT-4Vよりも良い結果 • 全体として、Llama-4 MavericならGPT-4Vと遜⾊のないレベ ル -> ローカルLLMでガンガン画像解析ができますね・・！！
28. Enjoy..!!