AIbase
JA
ホーム
Llava SpaceSGG
L

Llava SpaceSGG

wumengyangokによって開発
LLaVA-SpaceSGGはLLaVA-v1.5-13bをベースとした視覚質問応答モデルで、シーングラフ生成タスクに特化しており、画像内容を理解し構造化されたシーン記述を生成できます。
テキスト生成画像
Safetensors
 英語オープンソースライセンス:Apache-2.0#視覚シーン理解#マルチモーダル質問応答#シーングラフ生成
ダウンロード数 36
リリース時間 : 12/10/2024

モデル概要

このモデルは視覚と言語処理能力を組み合わせ、画像内容を分析してシーングラフを生成し、構造化された視覚理解が必要なシナリオに適しています。

モデル特徴

マルチモーダル理解
視覚と言語処理能力を組み合わせ、画像内容を理解し構造化された記述を生成できます。
シーングラフ生成
画像からオブジェクトとその関係を抽出し、構造化されたシーングラフを生成することに特化しています。
LLaVAベースの拡張
LLaVA-v1.5-13bをベースに最適化され、シーン理解タスクに特化しています。

モデル能力

画像内容理解
視覚質問応答
シーングラフ生成
マルチモーダル推論

使用事例

コンピュータビジョン
インテリジェント画像分析
画像内容を自動分析し構造化されたシーン記述を生成
画像検索、内容理解などのアプリケーションに利用可能
ヒューマンコンピュータインタラクション
視覚質問応答システム
画像内容に関する自然言語質問に回答
人と機械のインタラクションの自然さと正確性を向上
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase