#视觉理解

Chat-UniVi

Chat-UniVi是一个多模态AI模型，采用统一的视觉表示方法实现图像和视频的同步理解。该模型运用动态视觉令牌技术，有效捕捉图像空间细节和视频时序关系。经过联合训练，Chat-UniVi在图像和视频理解任务中表现优异，性能超过专门设计的单一模态模型。模型支持多轮对话，能处理包含多个图像或视频的复杂场景，为视觉AI研究提供新思路。

MathVista

MathVista是一个评估AI模型视觉数学推理能力的基准测试。该数据集包含6,141个样本，涵盖31个多模态数据集。任务要求模型具备深度视觉理解和复合推理能力,对当前顶尖AI模型构成挑战。MathVista为研究人员提供了一个衡量AI模型在视觉数学任务中表现的标准化工具。

Qwen2-VL-72B-Instruct-GPTQ-Int8

本项目是一个多模态视觉语言模型，具有高效的图像理解和多语言支持。它能够处理超过20分钟的视频内容，并可整合到移动设备和机器人中进行自动化操作。通过应用动态分辨率处理和多模态旋转位置嵌入，该模型提升了视觉处理能力。此外，项目还提供了便于快速部署的工具包，助力处理各类视觉任务。

glm-4v-9b

GLM-4V-9B是一款由智谱AI开发的开源多模态人工智能模型，支持1120x1120高分辨率下的中英双语多轮对话。该模型在综合能力、感知推理、文字识别和图表理解等多个领域表现优异，与GPT-4-turbo、Gemini 1.0 Pro等主流模型相比具有竞争力。GLM-4V-9B支持8K上下文长度，为研究者和开发者提供了强大的视觉理解和语言处理能力。

InternVL2-40B

InternVL 2.0 通过融合多模态大语言模型，在文件和图表理解、信息图问答、场景文本理解和OCR任务等方面表现出色。它能够利用长文本、多图片和视频进行训练，提升对多种输入的处理效率，并提供1亿到108亿参数的多种模型可选择，与商业模型相当。在多项基准测试中，InternVL 2.0 展示了其卓越的综合理解能力。

Qwen2-VL-2B-Instruct-AWQ

Qwen2-VL是一款先进的多模态模型，具备卓越的图像和视频理解能力，并能够处理多语言文本。其支持动态分辨率处理，适用于移动设备和机器人自动化操作。模型特色包括旋转位置嵌入和高效量化模型，提高推理速度和内存利用率，适合多种视觉任务如图像描述和视频分析。

Qwen2-VL-72B-Instruct-GPTQ-Int4

Qwen2-VL在多模态处理技术上取得进展，增强了多语言支持、图像和视频解析能力。在视觉理解测试中表现优异，可处理超过20分钟的视频，实现高质量问答和内容创作，并具备移动设备与机器人操作能力。多维位置嵌入提升了多模态处理效能，可识别多种语言文本，适用于复杂视觉场景。

cogvlm2-llama3-chinese-chat-19B

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。