AIbase

视觉语言融合
DAM 3B Self Contained
其他
DAM-3B是一个能够根据用户指定的图像区域（点/框/涂鸦/掩码）生成精细化局部描述的视觉语言模型。
图像生成文本
英语
D
nvidia
824
17
Gemma 3 4b It Abliterated Q4 0 GGUF
该模型是mlabonne/gemma-3-4b-it-abliterated的GGUF格式转换版本，结合了x-ray_alpha的视觉组件，提供更流畅的多模态体验。
图像生成文本
G
BernTheCreator
160
1
STEVE R1 7B SFT GGUF
Apache-2.0
STEVE-R1-7B-SFT的静态量化版本，支持多种量化级别，适用于不同硬件需求
文本生成图像
英语
S
mradermacher
203
0
Diagram To Code Agent
Apache-2.0
该模型是一个视觉语言融合模型，专门用于将图表转换为结构化代码。
图像生成文本
Safetensors
英语
D
DiagramAgent
51
0
Colpali V1.3
MIT
ColPali是基于PaliGemma-3B与ColBERT策略的视觉检索模型，用于高效索引文档的视觉特征
文本生成图像
英语
C
vidore
96.60k
40
Colpali
MIT
ColPali是基于PaliGemma-3B与ColBERT策略的视觉检索模型，用于高效地从视觉特征索引文档。
文本生成图像
英语
C
vidore
12.88k
436
Mmalaya
Apache-2.0
MMAlaya是基于大语言模型Alaya开发的多模态系统，包含大语言模型、图像文本特征编码器和特征转换模块三大核心组件。
图像生成文本
Transformers
M
DataCanvas
31
1
Llava Plus V0 7b
LLaVA-Plus 是一个可插拔学习技能的大型语言与视觉助手，主要用于多模态模型及聊天机器人的学术研究。
文本生成图像
Transformers
L
LLaVA-VL
79
38
Llava V1.5 13b Lora
LLaVA 是一个开源的多模态聊天机器人，通过对 LLaMA/Vicuna 进行微调，并基于 GPT 生成的多模态指令跟随数据训练而成。
文本生成图像
Transformers
L
liuhaotian
143
26
Llava Lightning 7B Delta V1 1
Apache-2.0
LLaVA是基于LLaMA/Vicuna通过GPT生成的多模态指令跟随数据微调的开源聊天机器人
文本生成图像
Transformers
L
liuhaotian
699
21