基于PaliGemma-3b模型在DocCI数据集上微调的图像描述生成模型,能生成200-350字符的详细描述文本,减少幻觉现象
下载量 66
发布时间 : 5/17/2024
模型简介
专注于生成图像的中等长度详细描述文本的视觉语言模型,适用于需要丰富图像描述的自动化场景
模型特点
详细描述生成
能生成200-350字符的详细图像描述,比常规caption模型提供更丰富的信息
减少幻觉
通过DocCI数据集微调,显著降低了描述中的虚构内容
多模态理解
结合视觉编码器和语言模型,实现精准的图文对齐
模型能力
图像内容理解
详细文本生成
多模态推理
使用案例
内容创作
自动图像标注
为图库或媒体资源生成详细的元数据描述
生成包含场景、对象和关系的丰富描述
辅助技术
视觉辅助
为视障用户生成详细的图像语音描述
提供超出简单caption的环境上下文信息
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文