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
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