库名称: transformers 标签:

• 机器人技术
• 视觉语言模型
• 图像文本到文本
• 多模态
• 预训练 许可证: mit 语言:
• 英文 管道标签: 图像文本到文本

基于Qwen 2.5 0.5B骨干的Prism模型(兼容Prismatic版本)

本模型在Llava-1.5-Instruct数据集上训练完成。

使用说明

关于如何将此检查点用于下游训练和微调的说明，请参阅MiniVLA GitHub README。

引用

BibTeX格式:

@article{belkhale24minivla,
    title={MiniVLA: 更小体积的更好视觉语言架构},
    author={Suneel Belkhale and Dorsa Sadigh},
    url={https://github.com/Stanford-ILIAD/openvla-mini}
    year={2024}
}