Minivla Vq Bridge Prismatic
MiniVLAは、より小型でありながら高性能な視覚言語アクションモデルで、Prismatic VLMsプロジェクトコードベースと互換性があります。
ダウンロード数 22
リリース時間 : 12/12/2024
モデル概要
MiniVLAは、視覚言語アクションタスクに特化したマルチモーダル事前学習モデルで、画像テキストからテキストへの変換を処理できます。
モデル特徴
Prismatic VLMs互換
オリジナルのPrismatic VLMsプロジェクトコードベースと互換性があり、ネイティブPyTorchを使用した完全なファインチューニングが容易です。
パラメータ効率的なファインチューニングサポート
LoRAを介したパラメータ効率的なファインチューニングをサポートし、計算リソースが限られたシナリオに適しています。
マルチモーダル能力
視覚と言語処理能力を組み合わせ、複雑なマルチモーダルタスクに適用可能です。
モデル能力
画像テキスト変換
マルチモーダル理解
視覚言語アクション処理
使用事例
ロボット技術
視覚言語アクション制御
画像とテキスト入力によるロボットアクション制御
マルチモーダルアプリケーション
画像キャプション生成
画像に基づくテキスト記述の生成
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