F

Florence 2 VLM Doc VQA

由 prithivMLmods 开发
基于microsoft/Florence-2-base-ft微调的视觉问答(VQA)专用版本,能够解读图像内容并回答相关问题
下载量 69
发布时间 : 10/26/2024
模型介绍
内容详情
替代品

模型简介

该模型经过优化,专门用于视觉问答任务,能够理解图像内容并生成与视觉信息相关的自然语言回答

模型特点

视觉问答能力
能够理解图像内容并回答相关问题
基于Florence-2优化
在基础模型上针对视觉问答任务进行了专门微调
英文支持
专注于英文视觉问答任务

模型能力

图像内容理解
视觉问答
图像转文本

使用案例

教育
教育辅助工具
帮助学生理解教材中的图像内容
提供准确的图像相关问答
无障碍服务
视觉辅助
为视障人士描述图像内容
生成准确的图像描述和回答相关问题