AIbase

冻结参数训练
Blip2 Opt 6.7b
MIT
BLIP-2 是一种视觉语言模型，结合了图像编码器和大型语言模型，用于图像到文本生成和视觉问答任务。
图像生成文本
Transformers
英语
B
merve
26
2
Instructblip Flan T5 Xxl 8bit
MIT
BLIP-2是基于Flan T5-xxl的视觉-语言模型，通过冻结图像编码器与大型语言模型进行预训练，支持图像描述生成、视觉问答等任务。
图像生成文本
Transformers
英语
I
Mediocreatmybest
18
1
Blip2 Opt 6.7b 8bit
MIT
BLIP-2 是一种视觉语言模型，结合了图像编码器和大型语言模型(OPT-6.7b)，用于图像到文本生成任务。
图像生成文本
Transformers
英语
B
Mediocreatmybest
16
1
Blip2 Flan T5 Xxl
MIT
BLIP-2是一种视觉语言模型，结合了图像编码器和大型语言模型，用于图像到文本的任务。
图像生成文本
Transformers
英语
B
LanguageMachines
22
1
Blip2 Image To Text
MIT
BLIP-2是一种视觉语言预训练模型，通过冻结图像编码器和大型语言模型实现语言-图像预训练引导。
图像生成文本
Transformers
英语
B
paragon-AI
343
27
Blip2 Flan T5 Xxl
MIT
BLIP-2是一种视觉语言模型，结合了图像编码器和大型语言模型Flan T5-xxl，用于图像到文本任务。
图像生成文本
Transformers
英语
B
Salesforce
6,419
88
Blip2 Flan T5 Xl Coco
MIT
BLIP-2是一种视觉-语言模型，通过冻结图像编码器与大型语言模型实现语言-图像预训练，支持图像描述生成和视觉问答等任务。
图像生成文本
Transformers
英语
B
Salesforce
2,379
14
Blip2 Opt 6.7b
MIT
BLIP-2是基于OPT-6.7b的视觉语言模型，通过冻结图像编码器和大型语言模型进行预训练，支持图像到文本生成和视觉问答等任务。
图像生成文本
Transformers
英语
B
Salesforce
5,871
76
Blip2 Flan T5 Xl
MIT
BLIP-2是基于Flan T5-xl的视觉语言模型，通过冻结图像编码器和大型语言模型进行预训练，支持图像描述生成和视觉问答等任务。
图像生成文本
Transformers
英语
B
Salesforce
91.77k
68