daiiz https://blog.hatena.ne.jp/daiiz/ #daiizメモ https://daiiz.hatenablog.com/ Phonno 背景 Gemini FlashのObject detectionやOCRの性能が向上したという噂を聞いたり、実際にGoogle AI Studioで遊んだりして可能性を感じていた。写真を入力として「犬・猫」や「ガラス製品」など検出対象が明確なタスクでは概ねうまく動く手応えがあった。今回はスクリーンショットに対して「画像の代表領域」「最も重要な領域」「価値の高い情報を提供する箇所」のような漠然としたクエリでの切り抜きができるかを検証したい。 daiiz.hatenablog.com Crop with AI機能 画像内の重要な領域を特定してアノテーション作成を補助するPhonnoの機能。これまで… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fdaiiz.hatenablog.com%2Fentry%2F2025%2F05%2F11%2F235900" title="Phonno: Crop with AI機能をCloud Vision APIからGemini 2.5 Flashに差し替えた - #daiizメモ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/d/daiiz/20250512/20250512021355.png Hatena Blog https://hatena.blog 2025-05-11 23:59:00 rich https://daiiz.hatenablog.com/entry/2025/05/11/235900 1.0 100%