多模态大语言模型工具集合：实用资源一站式获取
VideoLLaMA2-7B
模型推理多模态大语言模型
多模态大语言模型在视频时空建模和音频理解上的应用
Mono-InternVL-2B
InternLM2Github
原生多模态大语言模型融合视觉与文本能力
Llama-3.2-90B-Vision
MetaGithub
前沿视觉语言模型助力图像识别和推理
Llama-3.2-11B-Vision-Instruct
多模态大语言模型图像识别
Meta推出支持图文交互的语言模型
InternVL2-8B
模型开源项目
多模态大语言模型在图像理解、视频分析和目标定位方面的全面能力
MiniCPM-Llama3-V-2_5
Huggingface模型
手机端多模态大语言模型突破性进展：8B参数达GPT-4V水平
HuatuoGPT-Vision-7B
模型Github
融合视觉知识的医疗多模态语言模型助力诊断
MiniCPM-V-2_6
Huggingface模型
高性能多模态语言模型 实现单图多图视频智能理解
kosmos-2-patch14-224
Huggingface模型
Kosmos-2模型实现视觉语言融合的理解与生成
Llama-3.2-90B-Vision-Instruct
模型多模态大语言模型
Meta开发的多模态大语言模型实现图像理解与视觉推理
InternVL2-2B
模型多模态大语言模型
多模态大语言模型支持多语言及多媒体理解
InternVL2-1B
模型Github
多模态大语言模型实现多图像和视频智能理解
InternVL2-Llama3-76B
模型Llama3
融合视觉与语言的多模态AI模型
Llama-3.2-11B-Vision-Instruct
Llama 3.2-Vision图像识别
Meta开发的多模态语言模型 提供图像理解与文本生成
RLAIF-V
RLAIF-V多模态大语言模型
多模态大模型对齐的开源AI反馈框架
Awesome-Multimodal-LLM-Autonomous-Driving
多模态大语言模型自动驾驶
多模态大语言模型推动自动驾驶技术创新
Q-Bench
Q-Bench低层视觉
评测多模态大语言模型的低层视觉能力
mustango
Mustango文本生成音乐
基于文本的智能音乐生成系统
Video-MME
Video-MME多模态 大语言模型
全面评估多模态大语言模型视频分析能力的基准
Awesome_Multimodel_LLM
多模态大语言模型指令微调
多模态大语言模型资源集锦及研究动态
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号