Project Icon

paligemma-3b-mix-448

基于SigLIP和Gemma的多语言视觉语言模型

PaliGemma是一款基于SigLIP视觉模型和Gemma语言模型的视觉语言模型,采用3B参数的Transformer架构。该模型支持多语言输入输出,可用于图像描述、视觉问答和文本识别等任务。PaliGemma在多个大规模数据集上经过预训练,并通过严格的数据过滤确保了训练数据质量。模型适用于各类视觉语言任务的微调,在多项基准测试中展现了优异性能。

Gemma-2b-it-GGUF - 多样化选择的Gemma量化模型
GithubGoogleHuggingfaceLlamaEdgegemma-2b-it开源项目模型量化
该项目以多种量化格式提供Gemma模型,从低质量损失的小型号到几乎无质量损失的大型号,满足多样化的应用需求。模型的量化由Second State Inc.负责,旨在优化性能和存储空间,适合多种AI部署环境。选择合适型号可在性能与资源使用间达到平衡。
glm-4v-9b - 开源多模态AI模型GLM-4V-9B展现卓越性能
GLM-4V-9BGithubHuggingface图像描述多模态模型开源项目模型自然语言处理视觉理解
GLM-4V-9B是一款由智谱AI开发的开源多模态人工智能模型,支持1120x1120高分辨率下的中英双语多轮对话。该模型在综合能力、感知推理、文字识别和图表理解等多个领域表现优异,与GPT-4-turbo、Gemini 1.0 Pro等主流模型相比具有竞争力。GLM-4V-9B支持8K上下文长度,为研究者和开发者提供了强大的视觉理解和语言处理能力。
cogvlm-chat-hf - 开源视觉语言模型CogVLM在多项跨模态基准测试中超越PaLI-X 55B
CogVLMGithubHuggingface图像识别多模态开源开源项目模型视觉语言模型
CogVLM是一款开源视觉语言模型,具有100亿视觉参数和70亿语言参数。在NoCaps、Flicker30k等10个经典跨模态基准测试中,CogVLM实现了最先进的性能,部分超越PaLI-X 55B。其架构包括视觉变换器编码器、MLP适配器、预训练语言模型和视觉专家模块。CogVLM能进行多模态对话,适用于图像描述和视觉问答等任务。该模型对学术研究开放,经登记后可免费用于商业用途。
InternVL2-Llama3-76B - 融合视觉与语言的多模态AI模型
GithubHuggingfaceInternVL2Llama3NLP多模态大语言模型开源项目模型视觉语言模型
InternVL2-Llama3-76B是一款融合视觉和语言能力的多模态AI模型。它由InternViT-6B视觉模型和Hermes-2-Theta-Llama-3语言模型组成,在文档理解、图表分析和场景文字识别等任务中表现优异。该模型支持8k上下文窗口,可处理长文本、多图像和视频输入,为用户提供全面的多模态分析能力。
siglip-base-patch16-256-multilingual - 基于Sigmoid损失函数的多语言视觉语言模型
GithubHuggingfaceSigLIPWebLI数据集图像分类多模态模型开源项目模型零样本学习
SigLIP是一个基于CLIP架构的多语言视觉语言模型,通过Sigmoid损失函数优化训练效果。模型在WebLI数据集上以256x256分辨率预训练,实现零样本图像分类和图文检索功能。相比CLIP模型,在批量处理和整体性能上都有提升。模型经过16个TPU-v4芯片训练,支持多语言处理,主要应用于图像分类和跨模态检索任务。
task-13-google-gemma-2b - 提高模型性能和适配性以实现环境友好
GithubHuggingfacegoogle/gemma-2bpeft使用方法开源项目模型模型卡碳排放
该项目通过创新技术提升模型性能与适配性,更好地适应多种使用场景。采用精细化设计以降低环境影响,并结合PEFT技术实现高效能。项目着重于风险与偏见的意识,鼓励最佳实践,支持多样化的应用需求。
visualglm-6b - 中英文图像交互的多模态对话模型
GithubHuggingfaceVisualGLM-6B图像生成多模态对话开源项目模型语言模型预训练
VisualGLM-6B是一个多模态对话模型,支持中文、英文和图像交互。基于ChatGLM-6B,有78亿参数,通过BLIP2-Qformer桥接视觉和语言模型。此模型使用CogView数据集进行预训练,并在长视觉问答数据上微调,以生成符合人类偏好的回答。用户可用Python代码简便调用模型,同时提供命令行、网页示例及模型量化的详细说明。
shieldgemma-2b - 结合安全审核与文本生成技术,实现合规与伦理保障
GithubHuggingfaceShieldGemma内容审查大语言模型安全策略开源项目模型生成式AI
ShieldGemma利用深度语言模型进行内容审核,确保AI生成内容和用户输入的安全与合规。该工具专注四类风险:性别、危险内容、仇恨和骚扰。提供三种模型规模(2B、9B、27B),性能高效,便于识别政策违规。结合Google TPU技术,模型开放权重,适用多种AI场景。作为责任生成AI工具包的一部分,致力于提高AI的伦理与安全。
gemma-2-baku-2b-it-gguf - 跨语言量化模型,支持多平台兼容应用
GithubHuggingfaceLM Studiogemma-2-baku-2b-it使用方法开源项目模型模型卡量子化
量子化后的gemma-2-baku-2b-it模型为日语和英语提供跨语言支持,增强处理效率。通过多种工具如llama.cpp、LM Studio(Windows和Mac支持)和LLMFarm(适用于iOS)进行应用。项目采用TFMC的数据集,专注于优化日语语言学习模型。访问有关npaka将LLM-jp-3转换为gguf的详细步骤,以提高应用效率和开发潜力。
codegemma-7b-it - 自然语言代码生成与对话专家
CodeGemmaGithubHuggingface代码完成代码生成对话生成开源项目模型评估方法
CodeGemma项目集合了7B和2B参数的开源代码模型,专注代码补全、生成及对话功能,尤其突出自然语言转代码的能力。codegemma-7b-it变体特别在指令生成方面展示了优异表现。借助FIM技术和依赖关系图打包技术,模型增强了与真实应用的契合度。此外,该项目注重伦理与安全,符合Google政策标准,适用于代码生成、学习和技术交流,兼容多种编程语言。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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