Project Icon

colpali

基于视觉语言模型的高效文档检索系统

ColPali是一个基于视觉语言模型的文档检索系统。该项目整合了ColBERT检索器模型、大型语言模型和图像语言模型,实现高效的文档搜索功能。ColPali支持自定义训练,安装和使用简便,适用于多种文档检索场景。系统能同时处理文本和图像信息,提供准确全面的检索结果。

BLIVA - 处理文本视觉问题的多模态LLM
BLIVAGithub多模态开源项目文本富媒体机器学习视觉问答
BLIVA是一款简单有效的多模态大语言模型,专门处理富文本视觉问题。其在多个视觉问答基准中表现出色,并公开了模型权重和训练代码。结合FlanT5和Vicuna版本,BLIVA适用于多种商业用途并提升认知和感知任务性能。演示和安装教程也非常详细。
opensearch-neural-sparse-encoding-doc-v2-distill - 神经稀疏编码模型优化文档检索效率
GithubHuggingfaceOpenSearch变压器模型开源项目文档检索模型神经稀疏编码自然语言处理
opensearch-neural-sparse-encoding-doc-v2-distill是一种先进的学习型稀疏检索模型,能将文档编码为30522维稀疏向量。该模型在BEIR基准测试中表现出色,展现了优秀的零样本性能和搜索相关性。其67M的参数量和0.504的平均NDCG@10分数,体现了模型的高效性。结合OpenSearch神经稀疏特性和Lucene倒排索引,可实现快速精准的文档检索。
CoDet - 共现引导的开放词汇目标检测方法
CoDetGithub图像文本对齐开放词汇开源项目深度学习目标检测
CoDet是一种开放词汇目标检测方法,采用共现引导来对齐区域和词语。该方法利用大规模图像-文本对训练,在LVIS和COCO数据集上表现优异。CoDet兼容现代视觉基础模型,并可与Roboflow集成实现自动图像标注。这一方法为开放词汇目标检测领域提供了新的解决方案。
pixtral-12b - 支持多图片交互分析的开源视觉语言模型
GithubHuggingfacePixtraltransformers图像识别多模态开源项目机器学习模型
pixtral-12b基于Transformers框架开发,是一个支持多图片处理的视觉语言模型。该模型可处理图文混合输入,实现图片内容识别、场景描述及图片关系分析。通过简单的API调用,开发者可快速实现多模态对话和图像分析功能。
visual-med-alpaca - 生物医学多模态AI模型实现图像理解和复杂问答
AIGithubLLMVisual Med-Alpaca多模态开源项目生物医学
Visual Med-Alpaca是一个参数高效的开源生物医学基础模型,集成了多模态能力。基于LLaMa-7B架构,该模型通过指令微调和视觉模块扩展,可执行放射影像解读和复杂临床问答等任务。仅需一张消费级GPU即可运行,为生物医学领域提供了灵活高效的AI研究工具。该项目仅供学术研究使用。
open_clip - 探索前沿图像与语言对比预训练技术
GithubOpenCLIP图像识别对比学习开源项目零样本学习预训练模型
OpenCLIP是一个先进的开源深度学习项目,专注于OpenAI的CLIP模型的实现和优化。该项目在多样化的数据源和不同的计算预算下成功训练出多个高效能模型,涵盖图像和文本嵌入、模型微调及新模型开发等多个领域。通过增强图像与语言的联合理解能力,OpenCLIP显著推动了人工智能技术的发展,拓宽了其应用领域。
KoAlpaca - 开源韩语大语言模型,支持多种规模和部署方式
GithubKoAlpaca人工智能开源项目深度学习自然语言处理语言模型
KoAlpaca是基于Stanford Alpaca训练方法的韩语大语言模型项目。该项目提供多种规模模型,包括基于Polyglot-ko和LLAMA的版本,支持全量微调和LoRA等训练方式。KoAlpaca开放网页聊天界面和Hugging Face上的模型,便于研究人员和开发者使用及改进韩语大语言模型。
cogvlm2-llama3-chinese-chat-19B - 双语视觉语言模型,支持大规模文本和图像解析
CogVLM2GithubHuggingface中文支持开源模型开源项目文本生成模型视觉理解
CogVLM2-LLaMA3-Chinese 是一个开源模型,支持中文和英文,表现出显著性能提升,比如在 TextVQA 和 DocVQA 基准测试中。这一模型支持最大8K的文本长度和1344*1344的图像分辨率,特别适合文本和图像的理解与对话任务。构建于Meta-Llama-3-8B-Instruct基础之上,用户可在ZhipuAI开放平台进行实际体验,适用于需要强大图像解析和多语言支持的场景。
IncarnaMind - 跨文档智能查询与大型语言模型交互系统
GithubIncarnaMindLLM模型多文件查询开源支持开源项目适应性分块
IncarnaMind提供创新的交互平台,允许用户利用GPT等大型语言模型与各类文档(PDF、TXT)进行对话互动。平台特色功能包括采用适应性强的滑动窗口分块技术,实现精准与泛化信息检索,支持多文档同时查询,有效突破单文档限制。完美兼容OpenAI GPT、Anthropic Claude等多种开源LLM,支持多平台和硬件环境。
AI-Paper-Collector - 自动化AI论文收集工具
AI-Paper-CollectorGithub人工智能学术会议开源项目搜索分类论文收集
AI-Paper-Collector是一个自动收集AI相关论文的开源工具。该项目支持搜索EMNLP、ACL、CVPR等多个顶级会议和期刊的论文。用户可通过Web演示快速访问。项目使用DBLP等数据源,并支持通过GitHub Issues添加新的会议列表。目前仍在持续开发中,致力于为研究人员提供便捷的AI论文检索和收集服务。
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