基于LLaVA-v1.6-Mistral-7B模型微调的多模态模型,支持图像和文本的联合理解与生成
下载量 40
发布时间 : 4/2/2024
模型简介
该模型是LLaVA系列的多模态模型变体,基于Mistral-7B架构,通过视觉-语言对齐训练实现图像理解和文本生成能力
模型特点
长上下文支持
支持4096 tokens的长上下文处理能力
多模态理解
能够同时处理图像和文本输入,实现视觉-语言联合理解
高效微调
基于预训练模型进行高效微调,保持原有语言能力的同时增强视觉理解
模型能力
图像内容理解
视觉问答
图像描述生成
多模态对话
文本生成
使用案例
智能助手
视觉问答助手
回答用户关于图像内容的各类问题
内容生成
图像描述生成
为图像生成详细的文字描述
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