AIbase

图表解析
Hyperclovax SEED Vision Instruct 3B
其他
HyperCLOVAX-SEED-Vision-Instruct-3B是由NAVER开发的轻量化多模态模型，具备图文理解和文本生成能力，特别优化了韩语处理能力。
文本生成图像
Transformers
H
naver-hyperclovax
160.75k
170
Mlcd Vit Bigg Patch14 448
MIT
MLCD-ViT-bigG是一款采用二维旋转位置编码(RoPE2D)增强的先进视觉Transformer模型，在文档理解和视觉问答任务中表现卓越。
文字识别
M
DeepGlint-AI
1,517
3
H2ovl Mississippi 800m
Apache-2.0
H2O.ai推出的8亿参数视觉语言模型，专注于OCR和文档理解，性能优异
图像生成文本
Transformers
英语
H
h2oai
77.67k
33
Fuyu 8b
Fuyu-8B是Adept AI开发的多模态文本-图像转换器，专为数字代理设计，支持任意图像分辨率，响应迅捷且架构简洁。
图像生成文本
Transformers
F
adept
14.22k
1,006
Matcha Chart2text Pew
Apache-2.0
MatCha是基于Pix2Struct架构的视觉语言模型，专门针对图表理解和数值推理任务进行优化，在图表问答任务中表现优异
图像生成文本
Transformers
支持多种语言
M
google
168
39