Llava V1.5 7b Lora

🚀 LLaVAモデルカード

LLaVAは、GPTが生成したマルチモーダル命令追従データでLLaMA/Vicunaをファインチューニングすることで学習されたオープンソースのチャットボットです。主に大規模マルチモーダルモデルとチャットボットの研究に使用されます。

🚀 クイックスタート

このセクションでは、LLaVAモデルの概要と主な情報をご紹介します。

✨ 主な機能

LLaVAは、画像とテキストを入力として受け取り、テキストを出力することができます。これにより、マルチモーダルな情報を扱うことが可能で、大規模マルチモーダルモデルやチャットボットの研究に役立ちます。

📚 ドキュメント

モデルの詳細

ライセンス

Llama 2はLLAMA 2 Community Licenseの下でライセンスされています。 Copyright (c) Meta Platforms, Inc. All Rights Reserved.

モデルに関する質問やコメントを送る場所：https://github.com/haotian-liu/LLaVA/issues

想定される用途

主な想定用途：LLaVAの主な用途は、大規模マルチモーダルモデルとチャットボットの研究です。

主な想定ユーザー：このモデルの主な想定ユーザーは、コンピュータビジョン、自然言語処理、機械学習、人工知能の研究者や愛好家です。

学習データセット

• LAION/CC/SBUからの558Kのフィルタリングされた画像 - テキストペアで、BLIPによってキャプション付けされたもの。
• 158KのGPT生成マルチモーダル命令追従データ。
• 450Kの学術タスク指向のVQAデータの混合物。
• 40KのShareGPTデータ。

評価データセット

5つの学術VQAベンチマークと7つの最近提案された命令追従型LMM用のベンチマークを含む、12のベンチマークのコレクション。