paligemma-3b-pt-448

多语言视觉语言模型适用于多种图像相关任务

模型图像文本生成多语言支持 Github PaliGemma 微调视觉语言模型 Huggingface 开源项目

PaliGemma-3b-pt-448是一款结合SigLIP视觉模型和Gemma语言模型的多语言视觉语言模型。该模型支持图像和文本输入,生成文本输出,适用于图像描述、视觉问答和文本阅读等任务。在多项基准测试中表现优异,尤其擅长处理高分辨率图像。研究人员和开发者可将其作为预训练模型,用于微调各类视觉语言应用。

访问官网

Github

Huggingface

介绍相关项目

gemma-1.1-7b-it - Google发布的高性能7B参数语言模型

GemmaGithubHuggingface人工智能大语言模型开源项目模型模型评估训练数据

Gemma-1.1-7b-it作为Google最新发布的7B参数语言模型,通过强化学习和人类反馈方法训练,在模型质量、代码生成、事实准确性及多轮对话等方面都实现了显著提升。该模型能够支持问答、摘要和推理等多项任务,同时具备轻量化特点,可在普通笔记本电脑等设备上运行

VisualGLM-6B - 一个具备处理图像、中文和英文的能力的开源多模态对话语言模型

GithubVisualGLM-6B图像描述多模态对话模型开源开源项目微调

VisualGLM-6B是一个开源多模态对话语言模型，具备处理图像、中文和英文的能力。该模型继承自强大的ChatGLM-6B基础，增添了6.2亿参数，整合了先进的BLIP2-Qformer技术，达到了语言和视觉数据的高效融合。模型总参数量为7.8亿，展现在多个核心多模态任务上的卓越效能。针对各种应用场景均进行了优化，支持在消费级显卡上运行，降低了使用门槛，拓展了其在学术研究和实务应用中的潜力。

gemma-2-27b-it-GGUF - 中等VRAM用户的多语言与代码生成模型

GemmaGithubHuggingface代码生成多语言开源项目机器学习模型谷歌

Gemma 2是由Google开发的27B参数模型，基于Gemini技术，适合中等VRAM用户。该模型能够处理多语言、代码和数学文本，尤其擅长生成代码和解决数学问题，弥补了8B和70B模型之间的空缺。其13万亿词元的训练量使其在多语言和编程语言上尤为出色，具有广泛的应用价值。

gemma-2-9b-it - Google开源轻量级语言模型支持多种文本生成

GemmaGithubHuggingface人工智能大语言模型开源项目文本生成机器学习模型

Gemma 2-9b-it是Google推出的轻量级开源大语言模型,基于Gemini技术开发。这款英语文本生成模型提供预训练和指令微调版本,适用于问答、摘要和推理等任务。其轻量级设计支持在资源受限环境部署,让更多人能够使用先进AI技术,促进创新发展。

gemma-2-9b - Google推出的轻量级开源大语言模型适用于资源有限环境

GemmaGithubHuggingface人工智能大语言模型开源项目机器学习模型自然语言处理

Gemma是Google开发的轻量级开源大语言模型系列,源自Gemini模型技术。这些英语文本生成模型开放预训练和指令微调权重,可用于问答、摘要和推理等任务。较小的规模使其适用于资源受限环境,如笔记本电脑或个人云设施,让更多人能使用先进AI模型。Gemma经过安全和伦理评估,并提供负责任AI开发工具包,确保安全可靠使用。

gemma-2-27b - Google开源的轻量级高性能语言模型Gemma

GemmaGithubHuggingface人工智能大语言模型开源项目机器学习模型自然语言处理

Gemma-2-27b是Google基于Gemini技术推出的开源语言模型,采用解码器架构设计。模型支持问答、摘要、推理等多种文本生成任务,能在笔记本电脑等资源受限环境运行。模型参数量为270亿,采用130亿token训练数据,在MMLU等多项基准测试中表现优异。该项目开源了预训练和指令微调两个版本,并提供完整的部署和使用文档。

gemma-2-9b-it-GGUF - Gemma轻量级语言模型提供多种文本生成功能

GemmaGithubHuggingface人工智能开源项目文本生成模型语言模型量化

gemma-2-9b-it-GGUF是Gemma系列轻量级开源语言模型的GGUF格式版本。这个由Google开发的模型适用于问答、摘要和推理等多种文本生成任务。其体积小巧，易于在资源有限的环境中部署，使先进AI技术更加普及。项目提供多种量化版本，可满足不同硬件配置需求。

Lumina-mGPT-7B-768 - 自回归多模态模型在图像生成和语言任务中的应用

GithubHuggingfaceLumina-mGPT图像生成多模态开源项目文本描述模型自动回归模型

Lumina-mGPT是一组多模态自回归模型，专注于视觉和语言任务，尤其在从文本描述生成逼真的图像方面表现出色。GitHub上的实现和示例代码让用户可以轻松探索和应用其能力。

colpali-v1.2 - 基于PaliGemma-3B和ColBERT策略的创新视觉文档检索模型

ColPaliGithubHuggingface多模态开源项目文档检索模型视觉检索语言模型

ColPali-v1.2是一种创新的视觉文档检索模型，结合了PaliGemma-3B和ColBERT策略。它通过生成文本和图像的多向量表示，有效提高了检索效率。模型采用混合数据集和LoRA技术进行训练，在英语和非英语文档检索任务中表现出色。ColPali-v1.2主要针对PDF类文档，为文档检索领域提供了新的解决方案。该模型在处理视觉特征和跨语言检索方面具有优势，但在其他类型文档的应用上可能存在局限性。

Llama-3-VILA1.5-8B - 视觉语言模型支持多图像推理和边缘计算

GithubHuggingfaceVILA图文理解多模态大模型开源项目模型视觉语言模型边缘计算

Llama-3-VILA1.5-8B是一款基于大规模交错图像-文本数据预训练的视觉语言模型。该模型具备多图像推理、情境学习和视觉思维链等功能,可部署于边缘设备。在12个基准测试中,包括5个学术视觉问答和7个指令跟随测试,Llama-3-VILA1.5-8B展现了优秀性能。这一模型为研究人员和AI爱好者提供了进行大型多模态模型和聊天机器人研究的有力工具。

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。

使用协议隐私政策广告服务

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