Project Icon

mPLUG-DocOwl

多模态大语言模型实现无OCR文档理解的新突破

mPLUG-DocOwl是阿里巴巴集团开发的多模态大语言模型家族,致力于无OCR文档理解。该项目包含DocOwl1.5、TinyChart和PaperOwl等子项目,覆盖文档分析、图表理解和科学图表分析领域。mPLUG-DocOwl在多项基准测试中展现出卓越性能,推动文档智能处理技术进步。

ollama - 提供大型语言模型快速部署和运行的平台,支持MacOS、Windows和Linux
GithubOllama大型语言模型安装指南开源项目模型下载模型定制
Ollama是一个提供大型语言模型快速部署和运行的平台,支持MacOS、Windows和Linux。用户可以通过容易理解的界面,下载并运行各种模型,如Llama 3.1和Gemma 2等,并可通过Docker镜像或自定义安装脚本进行部署。此外,Ollama允许用户自定义和优化模型,满足不同的应用需求,如设置模型参数、导入外部模型等功能。同时,Ollama支持多种开源库例如ollama-python和ollama-js,提供全面的桌面客户端支持,使开发者能够更便捷地整合和应用AI技术。
Visual-Chinese-LLaMA-Alpaca - 多模态中文模型VisualCLA开发与优化技术
CLIP-ViTChinese-Alpaca-PlusGithubLLaMAVisual-Chinese-LLaMA-Alpaca多模态模型开源项目
VisualCLA基于中文LLaMA/Alpaca模型,增加图像编码模块,实现图文联合理解和对话能力。目前发布测试版,提供推理代码和部署脚本,并展示多模态指令理解效果。未来将通过预训练和精调优化,扩展应用场景。
Awesome-Multimodal-LLM - 大语言模型(LLM)在多模态学习中的最新研究趋势
GithubLLM多模态学习开源开源项目模型微调神经网络
本页面介绍大语言模型(LLM)在多模态学习中的最新研究趋势,包括文本、视觉(图像和视频)、音频等多种模态。重点讨论如LLaMA、Alpaca和Bloom等开源且适合研究的LLM骨干模型及其学习方法,如全量微调、参数有效微调、上下文学习等。同时列举了具体的多模态LLM模型实例,如OpenFlamingo和MiniGPT-4,以及评估方法,如MultiInstruct和POPE,提供科研人员了解和研究LLM引导多模态学习的资源。
mindocr - 基于MindSpore的开源OCR工具包 实现高效文本检测与识别
GithubMindOCRMindSporeOCR工具箱开源项目文字识别文本检测
MindOCR是一个基于MindSpore的开源OCR开发工具箱,集成主流文本检测和识别算法。该工具箱提供易用的训练和推理接口,加速文本检测识别模型的开发和部署。MindOCR支持DBNet、CRNN等多种算法,采用模块化设计,并提供高性能预训练模型。研究人员和开发者可以利用MindOCR快速构建OCR应用,实现高效的图像文本理解。
octopus-v4 - 打造全球最大语言模型网络 提升开源AI表现
AI模型图谱GithubGraph of Language ModelsMMLU基准测试Octopus-v4专业模型开源项目
Octopus-v4项目构建大规模语言模型网络,集成专业模型并优化节点连接。通过开源协作提升AI性能,与闭源模型竞争。项目开放专业模型训练和推理代码,建立领域语言模型排行榜。Octopus-v4在MMLU测试中达到74.6%的成绩,优于多个主流模型。
SmartaDoc AI - 多格式文档智能分析与交互平台
AIAI工具SmartaDoc AI加载中文档处理智能系统
SmartaDoc AI是一款智能文档处理平台,支持PDF、CSV、TXT、JSON、XLSX、PPTX、DOCX和EPUB等多种格式。通过AI文档分析技术,用户可进行智能文档问答,显著提高阅读和分析效率。该平台创新性地改变文档交互方式,充分发挥人工智能在文档处理领域的潜力,为用户带来全新的智能文档体验。SmartaDoc AI实现了文档处理的新突破,为用户提供前所未有的智能文档分析与交互能力。
MiniCPM-Llama3-V-2_5 - 手机端多模态大语言模型突破性进展:8B参数达GPT-4V水平
GithubHuggingfaceMiniCPM-Llama3-VOCR能力多模态大语言模型多语言支持开源项目模型边缘设备部署
MiniCPM-Llama3-V-2_5是一款创新型多模态大语言模型,仅使用8B参数即达到GPT-4V级性能。该模型具备出色的OCR能力、可靠的行为表现和广泛的多语言支持,可高效部署于手机等边缘设备。支持30多种语言,并提供多种灵活部署方式,如llama.cpp、GGUF格式和LoRA微调。MiniCPM-Llama3-V-2_5标志着端侧多模态大语言模型的重要进展。
Owl AI - AI创意平台 轻松生成专业logo和动画
AI工具Owl AIPython编程logo设计创意套件
Owl AI是一个AI驱动的创意平台,提供logo设计和动画制作工具。用户输入文字描述或上传手绘草图后,可快速生成专业logo。平台还具备多样化创意功能,帮助提升品牌形象和视觉表现力。适用于个人和企业用户,能有效节省创作时间和成本。
GOT-OCR2_0 - GOT-OCR2_0为OCR技术开创统一端到端模型新纪元
GOTGithubHuggingfaceOCR图像识别开源项目模型自然语言处理视觉语言模型
GOT-OCR2_0项目提出通用OCR理论,通过统一端到端模型实现OCR 2.0。该模型具备多语言识别、版面分析和细粒度OCR能力,可处理普通文本、格式化文本及多页文档。项目提供开源训练代码和在线演示,为OCR技术发展开辟新方向。
Awesome-Multimodal-Large-Language-Models - 多模态大语言模型研究资源与最新进展汇总
Github多模态大语言模型开源项目指令微调模型评估视觉语言模型视频理解
该项目汇总了多模态大语言模型(MLLMs)领域的最新研究成果,包括论文、数据集和评估基准。涵盖多模态指令微调、幻觉、上下文学习等方向,提供相关代码和演示。项目还包含MLLM调查报告及MME、Video-MME等评估基准,为研究人员提供全面参考。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号