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

MGM - 多模态视觉语言模型的潜力挖掘与创新

AI绘图GithubMini-Gemini图像理解多模态视觉语言模型大语言模型开源项目

Mini-Gemini项目探索多模态视觉语言模型的新可能。该项目支持2B至34B规模的大语言模型,实现图像理解、推理和生成功能。基于LLaVA构建的Mini-Gemini提供完整资源,包括预训练权重、数据集和评估基准。通过双视觉编码器和patch信息挖掘等技术创新,Mini-Gemini实现了文本与图像的深度融合。

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。

gemma-1.1-2b-it - Google推出的轻量级开源语言模型

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

Gemma-1.1-2b-it是Google开发的轻量级开源语言模型,基于Gemini技术。这一2B参数模型在文本生成、问答、摘要和推理等任务上表现出色。其小巧的体积使其适合在笔记本电脑或个人云等资源受限环境中部署。作为Gemma系列的最新指令微调版本,该模型在质量、编码能力、事实性和指令跟随等方面均有显著提升。

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。

Llama-3.2-90B-Vision - 前沿视觉语言模型助力图像识别和推理

GithubHuggingfaceLlama 3.2Meta多模态大语言模型开源项目模型自然语言处理计算机视觉

Llama-3.2-90B-Vision是Meta开发的多模态大语言模型,支持图像和文本输入并输出文本。该模型在视觉识别、图像推理、描述和问答等任务中表现优异,性能超越多个开源和闭源多模态模型。基于Llama 3.1文本模型,通过视觉适配器实现图像理解,支持128K上下文长度。经指令微调后可用于商业和研究,适用于多种视觉语言任务。使用需遵守Llama 3.2社区许可协议。

gemma-2b-it - Google开源轻量级语言模型适用于资源受限环境

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

Gemma-2b-it是Google开源的轻量级指令调优语言模型,采用2B参数设计。该模型支持问答、摘要和推理等多种文本生成任务,适用于笔记本电脑等资源受限环境。Gemma-2b-it在英语环境下表现出色,开放权重为AI创新提供更多可能。该模型基于Gemini技术,是Google推动AI民主化的重要举措。

gemma-2-2b-it-GGUF - 一种专为低功耗设备优化，适合多种语言和代码生成的模型

GemmaGithubHuggingface多语言开源项目模型生成模型自动补全谷歌

Gemma 2 2b是Google推出的一款模型，基于Gemini技术，能有效处理多种语言、编程和数学文本。其2b参数设计适合用于低功耗边缘设备，通过优化词汇量和训练比例，提升模型性能，利用量化技术降低计算需求。适合作为自动完成功能和草稿生成工具，支持在LM Studio平台上使用。感谢Georgi Gerganov及团队的技术支持。

gemma-2-2b - 轻量级文本生成模型，支持多任务应用

GemmaGithubHuggingface开源项目文本生成机器学习模型语言模型谷歌

Gemma是Google推出的开源文本生成模型，专用于问答、文本总结和推理等任务。其模型小巧，易于在笔记本或云基础设施等资源有限的环境中部署。支持多种应用场景，例如内容生成、聊天机器人、自然语言处理研究和语言学习。模型使用多样化来源的数据进行训练，覆盖广泛的语言风格和主题。

gemma-2-2b-it - Google开发的2B参数轻量级语言模型用于多种文本生成

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-2-2b-it是Google基于Gemini技术开发的轻量级开源语言模型。这个2B参数的指令微调模型适用于问答、摘要和推理等文本生成任务。模型体积小巧，可在资源受限环境部署，为开发者提供AI能力。采用英语训练并支持开放权重，有助于促进AI技术创新和应用。

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。

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