SpaceThinker-Qwen2.5VL-3B 是一个多模态视觉语言模型,专注于空间推理和视觉问答任务。
下载量 593
发布时间 : 4/18/2025
模型简介
该模型基于 Qwen2.5VL 架构,专为空间推理、距离估计和视觉问答等任务设计,适用于机器人学和具身人工智能领域。
模型特点
多模态能力
同时处理视觉和语言输入,实现跨模态理解
空间推理
专门优化的定量空间推理能力,包括距离估计等任务
高效量化
提供多种量化版本,适应不同硬件条件下的部署需求
测试时计算
支持在推理过程中进行复杂计算和思考
模型能力
视觉问答
空间推理
距离估计
多模态理解
图像分析
文本生成
使用案例
机器人学
环境空间理解
帮助机器人理解周围环境的空间关系
提高导航和物体操作的准确性
教育
视觉问答系统
回答关于图像内容的复杂问题
增强交互式学习体验
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