Interpretieren von Grafiken

LLMs und das interpretieren von Bilddaten

Sprachmodelle werden in erster Linie darauf trainiert, Textdaten zu verarbeiten und kontextbezogen darauf zu antworten. Sie haben keine integrierte Bildverarbeitungskomponente und können daher Bilddaten nur sehr eingeschränkt oder gar nicht interpretieren. Sollen sie dennoch versuchen, ein Bild auszuwerten, führen sie entweder keine korrekten Analysen durch oder scheitern ganz, weil ihnen die notwendigen Verarbeitungsschritte und Trainingsdaten fehlen.

Die Lösung - localmind-vision

Für das Auslesen von Text aus einem Bild ist ein multimodales KI-Modell erforderlich. Unser Modell localmind-vision ist genau dafür konzipiert. Es vereint Bildverarbeitung und Textausgabe und kann Fotos, gescannte Dokumente oder andere Bildquellen zuverlässig analysieren und den enthaltenen Text extrahieren. 

Zum wechseln auf das vision-fähige Modell:

1. Im Chatfenster die Coworker Auswahl anwählen
2. localmind-vision auswählen
3. Jetzt kannst du beispielweise, Bilder im Chatkontext hochladen und abschreiben lassen.

Jetzt kannst du beispielweise, Bilder im Chatkontext hochladen und abschreiben lassen.

Administratoren und Org-Admins können bei Bedarf, den Vision-Router global aktivieren und so für alle Coworker verfügbar machen. Dafür einfach unter Aktionen&Filter->Erweitertes Menu -> Global setzen

*Hinweis: Solltet ihr als Standard Benutzer kein Vision Modell angezeigt bekommen, wurden die Basis-Modelle, durch die zuständige Administration ausgeblendet. 

*Hinweis: Sollte der Vision Router allgemein nicht funktionieren - bitte überprüfen ob der Modellname im Router selbst eingetragen wurde. Eine Übersicht dazu in folgender Grafik.