Multimodális alkalmazások · Lecke 05

Limitációk, amikre figyelni kell

Mielőtt bármilyen éles alkalmazásba beépítenénk a képfeldolgozást, érdemes pontosan tudni, hol vannak a határai. Ez a lecke a formátumokat, a méretkorlátokat és a tartalmi korlátokat foglalja össze.

Vissza a tananyaghoz

Formátumok és méretkorlátok

Claude négy képformátumot támogat, JPEG, PNG, GIF és WebP. Animált GIF esetén fontos tudni, hogy az animáció nem támogatott, a modell csak az első kockát veszi figyelembe. A fájlméret korlátja közvetlen API használat esetén 10MB base64 formátumban, Amazon Bedrock és Google Cloud platformon 5MB, a claude.ai felületen szintén 10MB. Emellett a kép mérete legfeljebb 8000x8000 pixel lehet, és ha egy kérésben 20-nál több kép szerepel, szigorúbb per-kép méretkorlát lép életbe.

JPEG támogatott PNG támogatott GIF csak első kocka animáció nem WebP támogatott
Négy támogatott formátum, a GIF-nél kizárólag az első képkocka kerül elemzésre.
ANIMÁLT GIF KOCKÁI 1. kocka 2. kocka 3. kocka csak az első kocka jut el a modellhez Claude az animációt nem látja
Animált GIF esetén a további kockák tartalma teljesen elvész a modell számára.
Közvetlen API, base6410 MB
claude.ai felület10 MB
Amazon Bedrock, Google Cloud5 MB

Fájlméret korlátok platformonként. Bedrock és Google Cloud alatt fele akkora fájl fér el, mint a közvetlen API-nál.

Amit Claude nem tud megbízhatóan

Claude nem azonosít személyeket egy képen, ilyen kérést elutasít. Pontatlanná válhat homályos, elforgatott, vagy 200 pixel alatti apró képeknél. A koordináta és lokalizációs kimenetek, tehát amikor egy objektum pontos helyét kellene megadni a képen, mindig csak közelítő értékek. A számlálás, vagyis az objektumok pontos darabszámának megállapítása egy képen, szintén nem mindig pontos. Claude azt sem tudja megállapítani, hogy egy adott kép AI generált-e vagy sem.

Erre építhetsz

  • Leírás, elemzés, adatkinyerés éles, jó minőségű képekből
  • Dokumentumok és diagramok értelmezése

Erre ne építs vakon

  • Pontos koordináták és darabszámok
  • Homályos vagy 200px alatti képek
  • Személyek azonosítása, elutasított kérés
  • AI generált kép felismerése

Egészségügyi és tartalmi korlátok

Fontos külön kiemelni, hogy Claude egészségügyi diagnosztikai képek, mint a CT vagy MRI felvételek, értelmezésére nem alkalmas helyettesítő orvosi vélemény gyanánt. Ilyen felvételeket kizárólag szakképzett orvos értékelhet ki felelősen. Emellett Claude nem dolgoz fel nem megfelelő vagy explicit tartalmú képeket sem, ezekre a kéréseket elutasítja.

Személyazonosítás elutasított kérés Homályos, apró kép 200px alatt pontatlan Koordináta, számlálás csak közelítő értékek CT, MRI diagnosztika nem helyettesíti az orvost
Négy tipikus eset, ahol óvatosan kell kezelni Claude vision kimenetét.
  1. Formátum és méret ellenőrzéseJPEG, PNG, GIF vagy WebP, legfeljebb 10MB és 8000x8000 pixel, platformtól függően.
  2. Képminőség ellenőrzéseHomályos, elforgatott vagy 200px alatti képeknél a kimenet pontatlan lehet, ezeket kiszűröd.
  3. Kritikus kimenetek kettős ellenőrzéseKoordinátát, darabszámot és minden döntéshez használt adatot ember is átnéz.
  4. Tiltott esetek kizárásaSzemélyazonosítás, orvosi diagnózis és explicit tartalom eleve nem kerül a rendszerbe.
← Előző lecke Következő lecke →

Workshop

AI Transformation Day

Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.

Érdekel a program →