Llava V1.5 13b

🚀 LLaVAモデルカード

LLaVAは、GPTで生成されたマルチモーダル命令追従データを使用して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モデルに関する基本的な情報を提供します。

✨ 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。
• トランスフォーマーアーキテクチャに基づいた自己回帰型言語モデルです。

📚 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信する場所: 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、および人工知能の研究者と愛好家です。

学習データセット

• BLIPによってキャプション付けされた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。
• 158KのGPTで生成された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。