Project Icon

h2ovl-mississippi-800m

紧凑型视觉语言模型,提供出色的文本识别功能

H2OVL-Mississippi-800M是H2O.ai推出的一款紧凑型视觉语言模型,拥有0.8亿参数,专注于OCR文本识别,表现出色。该模型在OCRBench测试中领先,超越更大规模的模型。基于H2O-Danube的架构,Mississippi-800M扩展了视觉和文本整合能力。通过1900万图文对进行训练,尤其注重OCR、文档理解以及表格和图表的解析,优化紫为OCR任务。

wavlm-large - 微软WavLM:全栈语音处理的自监督预训练模型
GithubHuggingfaceSUPERB基准测试WavLM开源项目模型自监督学习语音处理预训练模型
WavLM-Large是微软开发的自监督语音预训练模型,针对全栈语音处理任务进行优化。模型基于HuBERT框架,引入混合话语训练策略和门控相对位置偏置,提升了语音内容建模和说话人身份识别能力。通过在94,000小时多样化语音数据上训练,WavLM-Large在SUPERB基准测试中展现出卓越性能,为多种语音处理任务带来显著改进。
models - 探索最先进的机器学习模型与技术
GithubONNX Model Zoo图像分类对象检测开源项目机器学习模型语言处理
ONNX Model Zoo是一个开源平台,汇集了各种预训练且处于技术前沿的机器学习模型,涵盖计算机视觉、自然语言处理等多个领域。旨在为开发者、研究人员和技术爱好者提供高效实用的AI工具,加速机器学习技术的应用和发展。此外,ONNX Model Zoo支持多种框架和工具,通过共同的文件格式和操作集,促进了AI开发的灵活性和互操作性。平台以开放性和社区驱动的特性为己任,含有诸如图像分类、对象检测等主要模型,并通过简易接口及高级工具满足不同用户需求,使其既适应初学者也满足专业人士的需求。
layoutlm-base-uncased - LayoutLM模型融合文本布局图像信息提升文档AI效能
GithubHuggingfaceLayoutLM开源项目文本布局文档AI文档理解模型预训练模型
LayoutLM是一种文档AI预训练模型,结合文本、布局和图像信息,提升文档图像理解和信息提取能力。该模型在表单和收据理解等任务中表现优异。LayoutLM-base-uncased版本采用12层结构,768维隐藏层,12个注意力头,共113M参数,经1100万份文档2轮训练。这一模型为文档AI领域带来突破,提高了复杂文档处理效率。
llava-onevision-qwen2-7b-ov - 基于Qwen2的多模态模型 支持图像和视频理解
GithubHuggingfaceLLaVA-OneVision图像识别多模态大语言模型开源项目模型视频理解
LLaVA-OneVision-qwen2-7b-ov是基于Qwen2开发的多模态模型,具备32K标记上下文窗口。该模型通过LLaVA-OneVision数据集训练,可理解图像、多图和视频内容。在AI2D、ChartQA、DocVQA等多个多模态基准测试中表现优异,支持英语和中文,适用于多种多模态应用场景。
mamba-370m-hf - 兼容transformers库的高效语言模型
GithubHuggingfaceMambafinetuningtransformers开源项目模型生成
项目是一种与transformers库兼容的语言模型,整合了config.json和tokenizer,以提高文本生成的速度和准确性。建议安装transformers的最新主版本,以及causal_conv_1d和mamba-ssm,以充分利用优化的cuda内核。该项目支持经典的generate API和PEFT微调,使用float32格式进行微调可获得最佳性能表现,从而提升文本生成任务的效率和质量。项目形成了一种与transformers库兼容的模型环境,通过优化策略实现高效文本生成。
trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型
GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型
TrOCR是一种基于Transformer架构的光学字符识别模型,专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器,可准确识别单行手写文本图像。经IAM手写数据集微调后,TrOCR适用于多种手写OCR场景,为文本识别研究和应用提供了有力支持。
MambaVision - 高效且灵活的视觉骨干网络,适用于各种分辨率的图像处理
GithubHugging FaceMambaVision图像分类开源项目深度学习计算机视觉
MambaVision采用混合Mamba-Transformer架构,结合自注意力和混合块,实现了卓越的图像分类和特征提取效果。其创新的对称路径设计提升了全局上下文的建模能力,并提供多种预训练模型。MambaVision支持多种分辨率图像处理,适用于分类、检测和分割等任务。最新模型支持Hugging Face和pip包,详细信息见[官网](https://huggingface.co/collections/nvidia/mambavision-66943871a6b36c9e78b327d3)。
ms-marco-MiniLM-L-6-v2 - 高性能跨编码器模型用于信息检索和文本排序
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
ms-marco-MiniLM-L-6-v2是一款针对MS Marco段落排序任务开发的跨编码器模型。该模型在信息检索领域表现卓越,能够高效编码和排序查询与文本段落。在TREC Deep Learning 2019和MS Marco Passage Reranking数据集评测中,模型展现出优异性能,NDCG@10和MRR@10分别达到74.30和39.01。ms-marco-MiniLM-L-6-v2兼顾效率与准确性,每秒可处理1800个文档,为信息检索应用提供了实用解决方案。
blip2-opt-2.7b-coco - BLIP-2视觉语言模型实现图像描述和视觉问答功能
BLIP-2GithubHuggingfaceOPT-2.7b图像到文本图像编码器开源项目模型视觉问答
BLIP-2是一个集成CLIP图像编码器、查询转换器和OPT-2.7b语言模型的视觉语言系统。该模型支持图像描述、视觉问答和图像对话任务,在COCO数据集上经过微调,拥有27亿参数。BLIP-2能够生成与图像相关的高质量文本,但可能存在偏见和安全性问题,使用时需谨慎评估其输出结果。
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。
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