一个通过图像-文本对进行预训练的视觉语言模型,基于Llama-2 70B架构,适用于图像描述生成任务。
下载量 14
发布时间 : 9/7/2023
模型简介
该模型使用GIT适配器在M3IT Coco Captions数据集上进行训练,主要用于图像到文本的转换任务。
模型特点
视觉语言理解
能够理解图像内容并生成相应的文本描述
大模型架构
基于Llama-2 70B大语言模型,具备强大的语言理解能力
GIT适配器
使用GIT(GenerativeImage2Text)架构实现图像到文本的转换
模型能力
图像理解
文本生成
图像描述生成
使用案例
计算机视觉
图像自动标注
为图像自动生成描述性文本
辅助工具
视觉辅助
为视障人士提供图像内容描述
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