Vintern 1B V2 ViTable Docvqa

🚀 Vintern-1B-v2-ViTable-docvqa

Vintern-1B-v2-ViTable-docvqaは、ベトナム語のDocVQA（表データ）に対応するように、5CD - AI/Vintern-1B-v2マルチモーダルモデルをファインチューニングしたバージョンです。このモデルは、ベトナム語の表データに関する質問応答タスクに特化しています。

📚 詳細ドキュメント

🔍 ベンチマーク

以下の表は、Vintern-1B-v2-ViTable-docvqaと他のモデルのベンチマーク結果を示しています。

💻 使用例

このモデルのデモを🤗 HF Demoで確認することができます。また、Colabで開くこともできます。

📄 引用

このモデルを使用する場合は、以下のBibTeXを引用してください。

@misc{doan2024vintern1befficientmultimodallarge,
      title={Vintern-1B: An Efficient Multimodal Large Language Model for Vietnamese}, 
      author={Khang T. Doan and Bao G. Huynh and Dung T. Hoang and Thuc D. Pham and Nhat H. Pham and Quan T. M. Nguyen and Bang Q. Vo and Suong N. Hoang},
      year={2024},
      eprint={2408.12480},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2408.12480}, 
}

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。

📋 モデル情報