DeepSeek識圖:兩次上傳梁文鋒照片都識別成張壹鳴
6月18日，DeepSeek網頁及APP端，均新增了“識圖模式”，並顯示“圖片理解功能內測中”。同壹天，DeepSeek多模態團隊負責人陳小康在社交媒體上發文稱，視覺模式已在網頁和應用上正式上線，“試試這雙新眼睛”。
6月19日，紅星資本局實測發現，DeepSeek的識圖功能並不太穩定。
紅星資本局實測時上傳了壹張DeepSeek創始人梁文鋒的照片，但DeepSeek將其識別為字節跳動的張壹鳴；緊接著再上傳另外壹張梁文鋒的照片，DeepSeek仍然認為是張壹鳴；最後上傳了張壹鳴的照片，DeepSeek識別正確。
隨後紅星資本局開啟新對話，重新上傳張壹鳴的照片，DeepSeek將其識別為寒武紀創始人陳天石；緊接著上傳梁文鋒的照片，DeepSeek仍然認為照片中的人是陳天石。在多次對話中，DeepSeek還曾表示“無法回答問題”。
DeepSeek在回答中表示，目前的“識圖功能”其實是“讀圖”。
DeepSeek目前支持的圖像文件上傳和視覺識別為OCR模型，即讀取圖像中的文本，擅長從上傳的圖像（PDF、Word、Excel、PPT、JPG等）中讀取文本，並處理該文本；而不是多模態視覺語言模型(VLM)，無法以像素級別“看到”物體、人臉或場景。
對於將梁文鋒識別成其他人，DeepSeek再次表示自己沒有人臉識別模塊，不會“看臉”只會“看字”，如果照片中只有壹張臉，“我只能回復你圖片中沒有文字內容”。
於是紅星資本局又上傳了其他帶有文字的圖片，對於“貨拉拉被約談”的新聞資訊的封面，DeepSeek基本可以識別出圖中內容，但將圖中的“貨拉拉”識別為“貨拉業”，並認為是圖片中的字打錯了。對於“新東方集團總結大會”視頻截圖，DeepSeek可識別出圖中的信息，並且精確捕捉到俞敏洪也在圖片中。
對於純文本類的圖片，紅星資本局選擇了懷素的草書作品，DeepSeek可以識別部分文字，但將圖中的“玉露凋傷楓樹林”，識別為“王右丞詩楓橋”。對於Yum! Brands宣布出售必勝客業務的英文公告截圖，DeepSeek可正確識別並翻譯。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
6月19日，紅星資本局實測發現，DeepSeek的識圖功能並不太穩定。
紅星資本局實測時上傳了壹張DeepSeek創始人梁文鋒的照片，但DeepSeek將其識別為字節跳動的張壹鳴；緊接著再上傳另外壹張梁文鋒的照片，DeepSeek仍然認為是張壹鳴；最後上傳了張壹鳴的照片，DeepSeek識別正確。
隨後紅星資本局開啟新對話，重新上傳張壹鳴的照片，DeepSeek將其識別為寒武紀創始人陳天石；緊接著上傳梁文鋒的照片，DeepSeek仍然認為照片中的人是陳天石。在多次對話中，DeepSeek還曾表示“無法回答問題”。
DeepSeek在回答中表示，目前的“識圖功能”其實是“讀圖”。
DeepSeek目前支持的圖像文件上傳和視覺識別為OCR模型，即讀取圖像中的文本，擅長從上傳的圖像（PDF、Word、Excel、PPT、JPG等）中讀取文本，並處理該文本；而不是多模態視覺語言模型(VLM)，無法以像素級別“看到”物體、人臉或場景。
對於將梁文鋒識別成其他人，DeepSeek再次表示自己沒有人臉識別模塊，不會“看臉”只會“看字”，如果照片中只有壹張臉，“我只能回復你圖片中沒有文字內容”。
於是紅星資本局又上傳了其他帶有文字的圖片，對於“貨拉拉被約談”的新聞資訊的封面，DeepSeek基本可以識別出圖中內容，但將圖中的“貨拉拉”識別為“貨拉業”，並認為是圖片中的字打錯了。對於“新東方集團總結大會”視頻截圖，DeepSeek可識別出圖中的信息，並且精確捕捉到俞敏洪也在圖片中。
對於純文本類的圖片，紅星資本局選擇了懷素的草書作品，DeepSeek可以識別部分文字，但將圖中的“玉露凋傷楓樹林”，識別為“王右丞詩楓橋”。對於Yum! Brands宣布出售必勝客業務的英文公告截圖，DeepSeek可正確識別並翻譯。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: