SpaceThinker-Qwen2.5VL-3B是一个3B参数的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 313
发布时间 : 4/18/2025
模型简介
该模型基于Qwen2.5VL架构,专注于定量空间推理、距离估计和视觉问答合成等任务,适用于机器人技术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
专门优化用于定量空间推理和距离估计任务
量化支持
提供多种量化版本,适应不同硬件需求
机器人应用
特别适合具身人工智能和机器人技术应用场景
模型能力
视觉问答
空间推理
距离估计
多模态理解
图像-文本交互
使用案例
机器人技术
环境导航
帮助机器人理解空间关系进行导航
物体定位
估计物体间的相对位置和距离
教育
空间推理教学
用于空间概念和几何关系的可视化教学
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