https://ai.negi-lab.com/tags/vlm-%E5%BA%A7%E6%A8%99%E6%8C%87%E5%AE%9A/Recent content in VLM 座標指定 on Negi AI Labhttps://ai.negi-lab.com/images/og-default.pnghttps://ai.negi-lab.com/images/og-default.pngHugo -- 0.154.5jaFri, 01 May 2026 01:08:23 +0900https://ai.negi-lab.com/posts/deepseek-thinking-with-visual-primitives-tutorial/Fri, 01 May 2026 00:00:00 +0900https://ai.negi-lab.com/posts/deepseek-thinking-with-visual-primitives-tutorial/<p><strong>所要時間:</strong> 約45分 | <strong>難易度:</strong> ★★★★☆</p> <h2 id="この記事で作るもの">この記事で作るもの</h2> <p>DeepSeekが発表した最新フレームワーク「Thinking-with-Visual-Primitives（TwVP）」を使い、画像内の物体位置を正確に把握し、その配置関係から複雑な推論を行うPythonスクリプトを作成します。 一般的なVLM（Vision-Language Model）が苦手とする「正確な座標特定」と「空間認識」を、モデルに「視覚的な下書き（Primitive）」を書かせることで解決する手法を実装します。 この記事を読み終える頃には、単なる画像説明ではなく、ミリ単位の空間把握が必要な業務（検品、棚卸、図面解析など）に応用可能なコードが手元に残ります。</p>