Project Icon

LLaVA-Video-7B-Qwen2

基于Qwen2的多模态视频理解与交互模型

LLaVA-Video-7B-Qwen2是基于Qwen2语言模型的7B参数多模态模型,专注于视频理解和交互。该模型支持处理最多64帧的视频,可进行图像、多图像和视频的交互。经LLaVA-Video-178K和LLaVA-OneVision数据集训练,具备32K tokens的上下文窗口。在ActNet-QA、EgoSchema和MLVU等多个视频理解基准测试中表现出色。模型提供了简便的代码,方便研究人员生成视频描述和回答相关问题。

Qwen2.5-0.5B-bnb-4bit - 支持多语种的先进自然语言处理模型
GithubHuggingfaceQwen2.5多语言支持开源项目指令遵循模型模型微调长文本生成
Qwen2.5是一款先进的自然语言处理工具,支持29种语言,显著提高了指令执行、长文本生成和结构化数据理解能力。基础模型具有0.5亿参数,采用变压器架构,支持128K的上下文长度。用户可以通过Unsloth平台轻松微调模型,降低内存占用,提高处理速度,从而为开发者提供创新和优化的性能支持。
Qwen2-0.5B - 阿里巴巴推出的高性能开源大语言模型
GithubHuggingfaceQwen2人工智能大语言模型开源项目模型模型评估自然语言处理
Qwen2-0.5B是阿里巴巴发布的新一代大语言模型系列中的0.5B参数版本。该模型在语言理解、生成、多语言能力、编程、数学和推理等多个基准测试中表现优异,性能超越大多数开源模型。Qwen2-0.5B采用改进的Transformer架构,包括SwiGLU激活、注意力QKV偏置和分组查询注意力等技术。作为基础语言模型,Qwen2-0.5B可用于进一步的训练和优化,为开发者和研究人员提供了强大的语言处理基础。
Qwen1.5-72B - 支持多语言与性能提升的单向解码模型
GithubHuggingfaceQwen1.5Transformer架构多语言支持开源项目性能提升模型语言模型
Qwen1.5是一种基于Transformer架构的单向解码语言模型,提供包括0.5B至72B的多种尺寸,以及一个14B的MoE版本。该模型支持多语言和稳定的32K上下文长度,并显著提高聊天模型的性能。其采用SwiGLU激活和改进的分词器,适合多语言应用。建议结合SFT、RLHF等后续训练使用,无需依赖远程代码,是一种实用的文本生成工具。
Qwen2.5-0.5B-Instruct - 轻量级多语言指令模型Qwen2.5-0.5B
GithubHuggingfaceQwen2.5多语言支持大语言模型开源项目指令微调模型长文本生成
Qwen2.5-0.5B-Instruct作为Qwen2.5系列的轻量级成员,集成了4.9亿参数。这个模型支持32,768个上下文token和8,192个生成token,在知识储备、代码编写和数学运算等方面表现优异。它不仅提升了指令遵循、长文本生成和结构化数据理解能力,还能支持29种以上的语言。基于因果语言模型架构,结合RoPE和SwiGLU等创新技术,该模型经过精心的预训练和后训练,为多语言聊天机器人等应用提供了强大支持。
Qwen2 - 阿里巴巴推出多语言大规模语言模型 支持128K上下文
GithubQwen2人工智能大语言模型开源项目模型训练自然语言处理
Qwen2是阿里巴巴发布的大规模语言模型系列,规模从0.5B到72B不等。支持27种语言,在编码和数学等领域表现优异。Qwen2-7B-Instruct和Qwen2-72B-Instruct模型的上下文长度达128K,显著增强长文本处理能力。项目提供多种部署选项,包括本地运行和规模化推理,并支持模型量化和微调。
llava-v1.5-7b - 融合视觉与语言的开源多模态AI模型
GithubHuggingfaceLLaVA人工智能图像文本理解多模态模型开源项目模型自然语言处理
LLaVA-v1.5-7B是一个开源的多模态AI模型,通过微调LLaMA/Vicuna实现。该模型整合了视觉和语言处理能力,能够理解图像并进行自然语言对话。LLaVA-v1.5-7B在大规模数据集上训练,包括558K图文对和158K多模态指令数据,并在12个基准测试中表现优异。这个模型主要应用于多模态大模型和聊天机器人的研究,适用于计算机视觉、自然语言处理等领域的研究人员。
Qwen1.5-14B-Chat - Qwen1.5系列多语言大规模语言模型支持32K上下文
GithubHuggingfaceQwen1.5Transformer多语言支持大语言模型开源项目模型聊天模型
Qwen1.5是Qwen2的测试版,包含多种规格的大规模语言模型。该系列支持多语言处理,所有规格均可稳定支持32K上下文长度。相比前代模型,Qwen1.5在聊天模型的人类偏好评估中表现显著提升。该模型采用Transformer架构,集成了SwiGLU激活、注意力QKV偏置等技术。模型经过大规模数据预训练和偏好优化,可通过transformers库轻松加载使用。
MPP-LLaVA - 基于QwenLM的多模态并行系统,支持多轮对话及视频交流
GithubMPPQwen-Nextsft数据多轮对话开源项目流水线并行视频对话
MPP-Qwen-Next项目基于QwenLM,提供多模态流水线并行系统,支持多轮对话、视频对话和多图对话功能。借助DeepSpeed Pipeline Parallel技术,实现高效的单图、多图及视频推理。项目包含详细的预训练和指令微调数据,适用于多种对话场景,并专为大规模显卡配置进行了优化。
Video-LLaMA - 指令微调的音视频语言模型实现多模态视频理解
AI对话GithubVideo-LLaMA多模态开源项目视频理解语言模型
Video-LLaMA是一个多模态AI项目,为大型语言模型赋予视频和音频理解能力。该项目基于BLIP-2和MiniGPT-4构建,包含视觉-语言和音频-语言两个分支。经过大规模视频和图像数据预训练及指令微调后,Video-LLaMA能够进行视频分析、音频理解和多轮对话。该模型支持英文和中文交互,为视频内容分析提供了新的AI解决方案。
Video-LLaVA - 视频多模态模型,具备像素级定位能力
GithubLMMPG-Video-LLaVA像素级别定锚开源项目视频理解音频上下文
PG-Video-LLaVA通过模块化设计,首次实现视频多模态模型具备像素级定位能力。该框架使用现成的追踪器和创新的定位模块,能够根据用户指令在视频中实现空间定位。引入新的基准测试用于评估基于提示的对象定位性能,并结合音频上下文完善视频内容理解,提高在对话和新闻视频等场景中的适用性。改进的定量基准测试确保更高的透明度和可重复性。
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