微软 Florence-2：多功能视觉模型

微软开发的 Florence-2 系列模型，使用提示（prompt-based approach）来处理不同的视觉任务。

通过改变提示，模型可以执行不同的任务，例如：

• 描述（Caption）
• 详细描述（Detailed Caption）
• 更详细描述（More Detailed Caption）
• 描述到短语定位（Caption to Phrase Grounding）
• 目标检测（Object Detection）
• 密集区域描述（Dense Region Caption）
• 区域提议（Region proposal）
• 光学字符识别（OCR）
• 带区域的 OCR（OCR with Region）

可以在 HF Space 上免费使用, 也有一个非官方的 ComfyUI 节点实现