这是一个基于Qwen2-VL架构的7B参数规模的视觉语言模型,支持图像理解和指令交互。
下载量 47
发布时间 : 11/3/2024
模型简介
该模型是一个多模态视觉语言模型,能够处理图像和文本输入,执行视觉问答、图像描述生成等任务。
模型特点
多模态能力
同时处理图像和文本输入,实现视觉语言交互
指令跟随
支持自然语言指令,能够根据指令执行特定任务
高效推理
通过ONNX格式优化,支持在WebGPU环境运行
模型能力
图像理解
视觉问答
图像描述生成
多模态交互
使用案例
智能助手
图像内容问答
用户上传图片并询问相关问题,模型提供准确回答
提升用户体验,实现自然的人机交互
内容生成
自动图像描述
为图片生成详细的文字描述
提高内容可访问性,辅助视障用户
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