微软 Florence-2 视觉语言模型的非官方实战笔记本合集，覆盖推理、自动标注和微调，方便快速上手做目标检测、OCR 等视觉任务。
把屏幕截图解析成结构化元素，让纯视觉 GUI Agent 能识别界面上的按钮、图标和文本，无需依赖 DOM 或控件树。
在 Mac 上基于 Apple Silicon 用 MLX 跑视觉语言模型的推理与微调工具包，支持 LLaVA、Pixtral、Florence2 等多种 VLM，本地即可完成多模态任务。
一站式微调多模态模型的工具，支持 PaliGemma 2、Florence-2、Qwen2.5-VL 等，覆盖图像描述、目标检测和视觉问答任务，省去手写训练脚本的麻烦。
为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。
X-VLA 是 ICLR 2026 论文的官方实现，用软提示 Transformer 构建可扩展的跨具身视觉-语言-动作模型，让同一套策略能迁移到不同机器人本体上做操作任务。
把 Qwen3-VL、Florence-2、InternVL 等视觉语言模型接进 ComfyUI 的节点包，顺带支持开放词表检测、SAM 分割、视频时序推理和 GGUF 量化加载。
基于 Rust 和 ONNXRuntime 的计算机视觉与视觉语言模型库，集成 YOLO、FastVLM、OCR、SAM 等模型，方便在 Rust 项目中直接做目标检测、分割和图文理解。
…b.com/roboflow/inference/pull/3177). - Fine-tuned Florence-2-large answers again — LoRA fine-tunes returned empty strings because decoding repeated <s until the token lim
…[Ovis2](https://huggingface.co/AIDC-AI/Ovis2-2B) [Florence-2](https://huggingface.co/microsoft/Florence-2-base) [GLM-4.1V-9B-Thinking](https://huggingface.co/zai-org/GLM-
…ps://github.com/ultralytics/notebooks/pull/38 Add Florence-2 notebook by @RizwanMunawar in https://github.com/ultralytics/notebooks/pull/39 Fix florence-2 notebook colab
… it tough to keep up. Maestro currently supports [Florence-2](https://maestro.roboflow.com/latest/models/florence 2/), [PaliGemma 2](https://maestro.roboflow.com/latest/m