视觉语言模型工具集合：应用、网站与开源项目一览
h2ovl-mississippi-800m
OCR性能JSON提取
紧凑型视觉语言模型，提供出色的文本识别功能
VILA1.5-13b
VILAGithub
多图像推理与跨设备应用的视觉语言模型
VLM2Vec-Full
Github开源项目
视觉语言模型VLM2Vec的多模态嵌入训练方法
CONCH
Github模型
病理学视觉语言模型提升多任务性能
falcon-11B-vlm
视觉语言模型PyTorch 2.0
11B参数增强型视觉语言模型，提升细节图像理解与文本生成
llava-llama-3-8b-v1_1-gguf
开源项目视觉语言模型
基于Llama-3的8B参数多模态模型实现图文交互
Llama-3.2-90B-Vision-Instruct-FP8-dynamic
Llama-3.2开源项目
基于Meta-Llama架构的FP8量化多语言视觉对话模型
nanoLLaVA
Github开源项目
轻量级视觉语言模型实现边缘设备高效部署
Llama-3-VILA1.5-8B
Github图文理解
视觉语言模型支持多图像推理和边缘计算
Qwen-VL-Chat
视觉语言模型Github
多语言视觉对话模型 支持图文交互和物体定位
cogvlm2-llama3-chat-19B
模型图像理解
支持8K内容长度和高分辨率图像的开源多模态AI模型
colpali
模型PaliGemma
基于PaliGemma-3B的多向量文档检索模型
Qwen2-VL-7B-Instruct-GPTQ-Int4
模型图像理解
量化模型支持多分辨率视觉理解
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
MoE-LLaVA-Phi2-2.7B-4e
视觉语言模型MoE-LLaVA
MoE-LLaVA模型应用专家混合系统提升视觉语言能力
VILA1.5-3b
模型图像文本预训练
交错图像文本预训练的视觉语言模型突破
ViT-L-14-CLIPA-datacomp1B
模型开源项目
CLIPA-v2模型实现低成本高性能零样本图像分类
cogvlm-chat-hf
模型开源
开源视觉语言模型CogVLM在多项跨模态基准测试中超越PaLI-X 55B
CLIP-ViT-L-14-laion2B-s32B-b82K
CLIP模型
CLIP-ViT-L-14模型实现高效零样本图像分类和检索
paligemma-3b-pt-224
模型Github
基于SigLIP和Gemma的多功能视觉语言模型
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