#moondream1

moondream1是一个包含1.6B参数的视觉语言模型，基于SigLIP、Phi-1.5和LLaVa训练数据集开发。尽管规模较小，该模型在VQAv2和GQA等基准测试中展现出接近大型模型的性能。moondream1能够解析图像内容，回答相关问题，并生成详细描述。该开源项目仅限于研究用途，不可用于商业应用。研究人员可通过简洁的Python代码实现图像理解和问答功能。